导读:本文包含了社团发现论文开题报告文献综述及选题提纲参考文献，主要关键词:复杂网络,社团发现,化学反应算法,社团分数
社团发现论文文献综述
孙晔[1]（2019）在《基于化学反应算法优化社团分数的网络社团发现研究》一文中研究指出随着互联网的普及和应用,网络遍布生活各个角落。例如社交网络的存在,人类的社会行为受到影响。人们就像一个个节点,被互联网连接着,各个节点之间看似相互独立,却又存在着一定的联系。正是这些点和边构成了复杂网络,点和边之间的关系形成了网络的拓扑结构。复杂网络中具有较大影响的是社团结构,正是由于社团结构才能够让我们深入地研究网络中的一些行为,能够帮助人们发现复杂网络中存在的规律,能够解释社会关系与现象。社团检测是发现社团结构的一种重要手段。近年来,社团检测算法的研究已成为复杂网络的一个重要分支。研究者提出了许多智能算法,比如,遗传算法、粒子群算法、萤火虫算法等。但这些算法都存在一些局限性,使得算法时间复杂度过高、算法容易陷入局部最优、算法的效率低等。本文采用一种启发式化学反应算法,利用社团分数作为算法的适应度函数,提出了一种新的社团发现算法,可以在一定程度上解决算法存在的局限性。本文主要研究工作和创新点是:1.研究了复杂网络中经典社团发现算法、化学反应算法以及复杂网络中社团的评判函数。社团结构被定义为内部节点连接紧密,外部节点连接稀疏,而模块度正是为了描述社团结构的特点被提出来的;模块密度是在解决模块度分辨率的问题上提出的。发现社团结构是本文研究的重点,因此本文也研究了一些常用的社团检测的算法。2.提出了基于化学反应算法优化社团分数的社团检测方法。所提算法是以化学反应算法为框架,社团分数为适应度函数,将社团检测问题转化为求最小势能的问题,通过四种初等反应来优化社团分数从而找出最低势能。3.采用标签传播方式作为种群初始化的方法。为了提高初始种群的多样性以及有效性,因此引入标签传播的方式,使算法更加的精准以及稳定,从而使社团结构更加明显,划分的效果更优。4.引入禁忌搜索算法作为一种局部搜索算子。为了提高算法寻优时局部搜索能力,将化学反应算法与禁忌搜索算法相结合,这样能够提高算法的寻优能力,加快算法收敛速度。通过在人工合成网络和真实网络上实验表明,该算法在两种网络上都得到较好的划分结果,有着较明显的社团结构,相比其他五种对比算法该算法在划分社团结构时具有明显的优势。(本文来源于《河南大学》期刊2019-06-01）
仇英俊[2]（2019）在《基于网络行为的社团发现方法研究》一文中研究指出及时发现新型应用、识别网络异常行为是网络监管工作中的重要内容。在对网络中主机行为的监测与观察中,可以发现通信行为相似的IP会呈现出集群现象,形成网络社团结构。通过发现网络社团的方式来对网络进行宏观上的观测,不仅可以快速发现网络的变化情况,而且能及时发现网络中潜在的威胁。本文利用网络流日志数据,对网络中IP之间的通联关系和流量传输行为进行分析,提出有效的网络社团发现方法,然后据此设计并实现网络社团发现系统。具体研究内容如下:本文结合网络划分和网络流量聚类两个方面,提出新的网络社团发现方法。在网络划分方面,本文考虑了主机端口的使用情况,使得划分结果具有较好的模块度;在网络流量聚类方面,本文从网络流、IP对两个层面提取特征,可以更好地描述主机行为。实验结果显示,本文提出的社团发现方法不仅可以识别承载多种服务的IP地址,还可以区分访问同一网站的正常用户和恶意用户。基于上述提出的社团发现方法,本文设计并实现网络社团发现系统。根据系统的需求和功能,文中将社团发现的各环节进行整合,将系统划分成多个模块,并分别进行设计与实现。本系统可以协助完成网络社团发现工作,并将社团发现的结果直观地向用户展示。展示的内容包括社团IP的通联关系、流量的特征分布等信息。最后,本文使用真实的网络流量数据进行实验。实验结果表明,本方法可以发现通联关系和流量行为两方面都相似的主机所构成的社团,准确地反映主机的群体网络行为。本文设计并实现的社团发现系统有助于网络社团的观察和分析,有较高的实用价值。(本文来源于《北京邮电大学》期刊2019-05-18）
桂春[3]（2019）在《改进的谱二分法在重迭社团发现中的应用》一文中研究指出社团发现算法在学术界得到了广泛的关注和研究,但是利用网络的边属性进行重迭社团发现的研究还比较新颖.通过将谱分析应用到边图上来发现重迭社团,谱二分法被改进为能够发现重迭节点的新算法.实验中改进的谱二分法与经典的边社团检测LC算法、分裂型的社区结构发现GN算法和派系过滤CPM算法在3个评价准则上进行对比,在3个真实网络上的实验结果表明本文提出的改进谱二分法效果更好,该算法不但实现了准确的社团划分,而且找到了社团之间的重迭节点.因此,可以认为基于拉普拉斯矩阵的谱二分法在以网络的边为研究对象时仍然适用,并且在边图上谱二分法实现了重迭社团发现的目的.(本文来源于《武汉大学学报(工学版)》期刊2019年04期）
龚晨旭[4]（2019）在《基于网络嵌入的多粒度社团发现方法》一文中研究指出社团结构作为网络中一种重要的拓扑结构,在网络分析任务中具有重要的理论研究意义和社会应用价值。近年来,对于社团发现方法的研究从未间断,研究者们提出了许多新的社团发现方法。目前的大部分社团发现方法主要关注于网络中单一粒度上最为显着的社团结构发现问题,对于相对较为隐藏的社团结构研究不足。然而,这种隐藏社团结构在解决现实问题中往往有着重要的应用价值。因此,构建网络由显着到隐藏的多粒度社团结构对于更加全面地分析和理解网络结构具有重要意义。针对上述问题,本文对多粒度社团发现问题进行了研究,主要内容包括:1.为了发现网络中隐藏的社团结构,本文提出了一种基于网络嵌入的社团结构弱化算法。该算法首先基于网络嵌入方法,使用低维向量表示网络中的节点信息,克服了传统基于邻接矩阵的网络表示方法高维稀疏、计算复杂度高、低可并行性和无法应用机器学习方法等缺点。随后,该算法引入高斯混合模型,假设网络中所有节点的嵌入向量均由同一个高斯混合模型生成,将网络中节点的嵌入向量拟合高斯混合模型。最后,通过降低节点属于原社团概率的方法,增大节点属于其他未知社团的概率,达到弱化社团结构的目的。实验结果表明,该算法可以有效地弱化已发现的社团结构,帮助发现网络中的隐藏社团结构。2.为了构建出由显着到隐藏的多粒度社团结构,本文提出了一种基于社团结构弱化的多粒度社团发现算法。该算法基于本文提出的社团结构弱化算法,通过迭代进行社团结构弱化与社团发现,构建网络的多粒度社团结构模型。这种多粒度社团结构不仅包括了网络中最显着的社团结构,同时包括了网络中传统社团发现方法无法发现的隐藏社团结构,为更加全面的分析和理解网络结构提供了有效手段,具有重要的现实应用价值。实验结果表明,该算法可以构建出网络的多粒度社团结构,且在大部分实验数据集上,该算法相较于现有方法有更好的性能表现。(本文来源于《重庆邮电大学》期刊2019-03-30）
刘唯一[5]（2019）在《基于网络信息的社团发现关键技术研究》一文中研究指出社团发现,作为网络分析中的关键技术,通过分析网络中蕴含的信息,能够挖掘出网络中具有相似性质的节点集合(即社团结构),从而帮助我们更加深入地理解目标网络中节点之间的本质关系。同时,随着深度学习技术在网络分析中的不断深化,社团发现也与深度学习相结合,成为了现阶段网络分析领域的重要研究内容之一。构成一个社团的节点除了节点之间具有紧密的连接关系之外,节点其余信息,比如节点属性信息等,也应该具有相似性。但是,现有社团发现算法大多基于节点间的拓扑连接关系及连接权重,所形成的社团仅能反映节点之间拓扑结构上的相关关系。而对于网络中所蕴含的其他重要信息,比如节点之间在多张网络中的相关关系、节点的属性信息等等,现有社团发现算法大多未考虑。为充分利用网络中的可用信息,提高社团发现算法的准确性和实用性,本文针对四种场景下的网络(时间相依性网络、多层网络、节点带属性的网络,和节点带属性及标签的网络),充分利用目标网络中所蕴含的多种信息,结合深度学习方法(例如:网络嵌入技术、图神经网络技术等),分别提出了适用于不同场景下的高效、高准确性的社团发现算法,并进行了实验验证。论文的主要内容和创新性主要包括以下五个方面:1.时间相依性网络中的社团发现方法研究作为动态网络的一种,时间相依性网络短期内(比如两个相邻时间片之间)的拓扑变化仅限于网络局部范围之内。为了降低重复社团发现的计算复杂度,本文提出了一种基于增量的挖掘各时间片网络下的社团的社团发现方法。该方法根据前一个时刻得到的社团发现结果,来辅助分析当前时刻下的社团结构,从而大幅度提升算法对每片网络上进行社团发现的效率。2.多层网络下的社团发现方法研究节点之间可能存在多种连接关系,每种连接关系可以构建一层网络,从而可形成多层网络。为解决多层网络中重迭社团发现问题,本文提出了基于多层网络连边对的多层网络社团发现方法。该方法通过捕捉每一层网络之中节点之间的拓扑关系,以及多层网络之间同名节点之间的拓扑关系,构建目标多层网络所对应的基于边的层次结构,并利用多层网络的社团密度划分方法,生成多层网络所对应的社团结构。该方法不仅有效考虑多层网络中每层网络之间的相关关系,同时还能够准确地挖掘多层网络中重迭的社团结构。3.基于网络嵌入的多层网络社团发现方法研究首次提出了一种适用于多层网络的网络嵌入方法,将原本只适用于分析单网络中的网络嵌入方法,扩展至多层网络中,以提高网络嵌入方法解决多层网络中的社团划分能力。该方法通过引入超参数来指导随机游走策略进行多层网络中的网络层之间的相互转移,将原本用于单个网络上的二阶随机游走过程,升级到了多层网络中来,使得其能够捕捉在多层网络中节点之间的相关关系,以及各层之间的相关关系。4.融入节点属性的社团发现方法研究现实世界中的网络不仅具有拓扑结构信息,同时节点也具有属性信息。为充分利用节点属性信息,本文提出了一种融合节点属性的网络嵌入社团发现方法。该方法首先根据节点的属性信息,构建节点在属性空间中的邻居关系;其次根据节点的拓扑结构信息,利用随机游走策略构建节点在拓扑空间中的邻居关系;最后通过一个统一的优化函数,找到一个统一的向量空间,用以描述节点在属性空间和拓扑空间中的共同关系。同时,该方法还利用增量思想,构建了基于增量过程的节点属性感知的网络嵌入方法,用以适应时间相依性网络的网络嵌入问题。5.融入节点标签的社团发现方法研究当网络中一部分节点带有标签信息时,如何利用这些标签信息来指导社团发现对目标网络进行分析是研究的热点问题之一。本文利用节点的高阶拓扑信息,提出了融入节点标签的社团发现方法。该方法首先采用可训练的非负矩阵分解方法,对输入网络的拓扑结构的层次结构进行分析;之后,通过扩大图神经网络的接受域信息,获取目标网络节点的高阶邻居信息;最后以一种端到端的训练方式,利用少量的标签信息,进行半监督的社团发现任务。该方法能够基于很少量的标签信息,对网络中未知标签的节点进行标签的预测,得出目标网络的社团结构。充分的理论分析与详实的实验结果表明,本文所提出的多种社团发现算法,能够高效、准确地识别特定网络环境下的社团结构,研究成果具有较高的理论基础和实际应用价值。(本文来源于《电子科技大学》期刊2019-03-22）
张尧毅[6]（2019）在《基于图谱理论的社团发现问题研究》一文中研究指出社团结构是复杂网络重要的拓扑特性,处于同一社团中的节点往往具有相似的特性或功能。社团发现对解决生活中的各种复杂问题发挥着重要的作用,比如商品推荐、网络舆情控制、蛋白质功能探究等。目前大多数社团发现算法都是基于分裂或凝聚的思想,而关于意见动力学模型的社团发现算法较少且效果都不是很好。本文研究基于DeGroot模型的社团发现算法,选取最大团或单个节点作为种子,在初始时刻赋予种子一个较大的状态,而赋予其他节点一个较小的状态。每个节点通过与其邻居交换意见,使得处于同一个社团中的节点状态相对比较一致。本文根据节点状态之间的关系分别设计了将网络分成两个社团和多个社团的算法。为了将网络分成两个社团,我们设计了两个不同的算法。第一个算法是利用网络的最大团来扩展社团,每次将状态不小于均值的节点记录到一个集合中,将其他节点记录到另一个集合中,利用DeGroot模型迭代更新网络节点的状态,当集合达到局部稳定状态时就对应了很好的社团结构。对一个有n个节点m条边的网络,该算法的时间复杂度为O(3n/3+Tn+Tm),对稀疏网络为O(dn3/3+Tn),其中T为DeGroot模型的迭代次数,d为解空间树的深度。第二个算法是基于种子节点扩展的方法,设计目的是解决最大团扩展算法对稠密或最大团规模较大网络失效的问题,算法的时间复杂度为O(Tn+Tm),对稀疏网络为O(Tn)。算法的迭代次数与种子节点的选取有关,通常选取度较大的节点作为种子则迭代次数可能相对较少。通过对基准网络进行测试,这两个算法对社团划分的准确度不低于经典的二分网络社团谱方法,且基于种子节点扩展的算法执行速度略快于谱方法。为了将网络分成多个社团,我们设计了基于DeGroot模型并通过种子节点扩展的算法,每轮迭代完成后将状态较大的节点记录到一个集合里,当集合达到局部稳定状态时该集合就对应了种子节点的社团,然后继续选择种子节点直到所有节点都被扩展到相应的社团中为止。算法的时间复杂度为O(NcT(nlog2 n+m)),对稀疏网络,其时间复杂度为O(NcTnlog2n),其中Nc为网络的社团数。通过对真实和人工基准网络进行测试,该算法的社团划分准确度要高于CNM、BGLL和MG等算法。(本文来源于《电子科技大学》期刊2019-03-22）
祝周,石琳,孔祥顺[7]（2019）在《基于多维混合图和核心节点的社团发现算法》一文中研究指出社区发现和好友推荐算法一直是复杂网络的研究热点之一,在公安业务工作、网络舆情控制、电子商务等领域具有重要的意义。为解决公安工作中防范恐怖主义事件、打击易复发类犯罪、稳控重点群体等突出难题,论文提出了一种基于核心种子节点扩展的启发式社团发现算法。该算法通过有效融合多维信息形成混合图,以种子节点作为初始社区,综合考虑人物节点间不同交互行为和关联行为的权重,依托实战重点将协同过滤、Tanimoto系数、六度空间理论等算法相结合,最后把社区邻接节点中的活跃节点降序排列作为重点社团目标,得到了一种有核心节点的基于"人、事、地、网、组织"五维混合图的社团发现数据模型,为警务大数据及其他应用提供支撑。(本文来源于《网络空间安全》期刊2019年02期）
陈东明,王云开,黄新宇,王冬琦[8]（2019）在《基于社团密合度的复杂网络社团发现算法》一文中研究指出传统的社团发现算法大多存在划分效果和复杂度相矛盾的问题,为了解决该问题,提出一种新的单社团结构评价标准——社团密合度(group density).在此基础上,设计了一种基于凝聚思想的社团发现算法,该算法通过不断融合小社团,使网络的社团结构向平均社团密合度最大的方向发展,并使用模块度检测算法的划分结果.通过与经典的GN,Fast Newman,LPA等算法对多个数据集进行实验对比,验证了本文算法在获得较好的划分效果的同时具有较低的时间复杂度.(本文来源于《东北大学学报(自然科学版)》期刊2019年02期）
蔡晓东,王萌,梁晓曦,陈昀[9]（2019）在《基于重要性抽样的图卷积社团发现方法》一文中研究指出根据图论将复杂网络转化为图结构数据,使卷积神经网络能够高效方便地处理;通过将图像上的卷积操作延伸到图结构数据上来定义卷积核,并通过卷积层对图的粗粒化和池化操作,提取不规则数据复杂网络的特征.在采用随机梯度下降法训练网络时,设计一种重要性抽样方法改变样本的分布来缩减方差,从而节省梯度计算时间.实验结果表明,与现有的图卷积网络相比,该方法在社会网络、引文网络、知识图谱数据集中,均能够以较低的计算复杂度获得较好的社团发现准确率;而且能够减少计算时的内存占用,可扩展到更大规模的复杂网络中使用.(本文来源于《浙江大学学报(工学版)》期刊2019年03期）
胡方媛,李梦雯,范欣生,王鹏丽,王崇骏[10]（2019）在《基于网络重迭社团发现的十九畏丁香-郁金同方配伍分析》一文中研究指出目的:探讨十九畏中丁香-郁金同方配伍的临证应用和配伍特点,以及古今同方配伍差异。方法:整理近60年来公开文献中有关丁香-郁金的同方配伍报道,分析其临证应用特点;应用网络重迭社团以及关联规则等方法进行配伍关系的数据挖掘,并与历代丁香-郁金同方配伍进行对照。结果:丁香-郁金同方配伍现代主要用治于肝郁气滞的呃逆、胃痛等消化系统病证;内服方中丁香与郁金配伍比例主要为1∶2。与丁香-郁金配伍组团最为密切的药物是甘草、半夏、柴胡、陈皮、柿蒂、茯苓、白芍;核心药对是甘草-郁金、丁香-甘草、半夏-郁金、丁香-半夏、郁金-柴胡等;核心药组是丁香-甘草-郁金、丁香-半夏-郁金、丁香-柴胡-郁金、郁金-陈皮-丁香等。古今丁香-郁金同方配伍存在差异(P<0.01)。丁香-郁金同方配伍的不良反应见有呕吐、消化道出血等症状。结论:现代丁香-郁金同方配伍主要用于消化系统病证,多配伍健脾、行气、化痰、止痛类药物;古今丁香-郁金同方配伍各具特点。应当对其毒性与不良反应进行深入研究,配伍使用时需注意安全性。(本文来源于《中华中医药杂志》期刊2019年01期）
社团发现论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
及时发现新型应用、识别网络异常行为是网络监管工作中的重要内容。在对网络中主机行为的监测与观察中,可以发现通信行为相似的IP会呈现出集群现象,形成网络社团结构。通过发现网络社团的方式来对网络进行宏观上的观测,不仅可以快速发现网络的变化情况,而且能及时发现网络中潜在的威胁。本文利用网络流日志数据,对网络中IP之间的通联关系和流量传输行为进行分析,提出有效的网络社团发现方法,然后据此设计并实现网络社团发现系统。具体研究内容如下:本文结合网络划分和网络流量聚类两个方面,提出新的网络社团发现方法。在网络划分方面,本文考虑了主机端口的使用情况,使得划分结果具有较好的模块度;在网络流量聚类方面,本文从网络流、IP对两个层面提取特征,可以更好地描述主机行为。实验结果显示,本文提出的社团发现方法不仅可以识别承载多种服务的IP地址,还可以区分访问同一网站的正常用户和恶意用户。基于上述提出的社团发现方法,本文设计并实现网络社团发现系统。根据系统的需求和功能,文中将社团发现的各环节进行整合,将系统划分成多个模块,并分别进行设计与实现。本系统可以协助完成网络社团发现工作,并将社团发现的结果直观地向用户展示。展示的内容包括社团IP的通联关系、流量的特征分布等信息。最后,本文使用真实的网络流量数据进行实验。实验结果表明,本方法可以发现通联关系和流量行为两方面都相似的主机所构成的社团,准确地反映主机的群体网络行为。本文设计并实现的社团发现系统有助于网络社团的观察和分析,有较高的实用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
社团发现论文参考文献
[1].孙晔.基于化学反应算法优化社团分数的网络社团发现研究[D].河南大学.2019
[2].仇英俊.基于网络行为的社团发现方法研究[D].北京邮电大学.2019
[3].桂春.改进的谱二分法在重迭社团发现中的应用[J].武汉大学学报(工学版).2019
[4].龚晨旭.基于网络嵌入的多粒度社团发现方法[D].重庆邮电大学.2019
[5].刘唯一.基于网络信息的社团发现关键技术研究[D].电子科技大学.2019
[6].张尧毅.基于图谱理论的社团发现问题研究[D].电子科技大学.2019
[7].祝周,石琳,孔祥顺.基于多维混合图和核心节点的社团发现算法[J].网络空间安全.2019
[8].陈东明,王云开,黄新宇,王冬琦.基于社团密合度的复杂网络社团发现算法[J].东北大学学报(自然科学版).2019
[9].蔡晓东,王萌,梁晓曦,陈昀.基于重要性抽样的图卷积社团发现方法[J].浙江大学学报(工学版).2019
[10].胡方媛,李梦雯,范欣生,王鹏丽,王崇骏.基于网络重迭社团发现的十九畏丁香-郁金同方配伍分析[J].中华中医药杂志.2019