论文部分内容阅读
在线社会网络作为一种复杂网络，具备了复杂网络的一些拓扑特性，如小世界效应、无标度行为和社区结构等。为了揭示在线社会网络的拓扑特性、社区结构和演化规律，也为了更深刻地理解复杂网络和解决实际问题，越来越多的研究者投入到了演化模型构建和社区发现研究的热潮中。 然而，目前演化模型构建和社区发现方面的研究仍存在一定的局限性：演化模型方面，存在由模型生成的网络聚类系数不高、网络的生成机制忽略了对网络增长起迟滞作用的因素等问题；社区发现方面，存在不能同时发现网络的层次性和重叠性、社区划分结果不一致和二次合并等问题。鉴于此，本文借鉴复杂网络理论知识，从演化模型和层次重叠社区两个角度研究在线社会网络的拓扑特性和社区结构。 首先，本文提出一种基于阻尼因子的在线社会网络演化模型（DFEM模型）。一方面，在连边方式上综合考虑了节点度、吸引因子和阻尼因子对网络生成机制的影响；另一方面，通过引入三角形形成机制来提高模型的聚类系数。理论分析和数值仿真表明该模型生成的网络兼具无标度特性和小世界特性，并且通过对比DFEM模型与BA模型、CALW模型及同等规模下在线社交网络人人网的度分布发现，由DFEM模型生成的网络更符合真实的在线社会网络。 其次，本文提出一种能同时揭示网络层次结构和重叠现象的基于节点纯度的层次重叠社区发现算法（OCFN-PN）。该算法的独特之处有四点：1）将网络中相对度中心度最大的节点作为初始社区，解决了适应度算法中的随机选点带来的结果不一致问题。2）引入“节点纯度”概念，并通过判断其值判断待加入节点是否有效。3）考虑了重叠节点的度对社区重叠度的影响，完善了已有重叠度计算方法。4）通过计算社区间交并比，有效地解决了二次合并问题。