量化双向图的聚类方法研究及其应用

论文摘要

图是实体关系建模的一种常用的方法。现实世界中网络图的聚类结构都十分复杂，聚类结构具有聚类内部结点之间连接紧密，而聚类间相互连接较松散的特点。充分挖掘大型复杂网络图的聚类结构有助于发掘网络图中潜在的信息、预测各个结点的行为，同时还能够从整体分析网络图的功能和构成。对网络图的聚类研究无论是从理论上还是应用上都非常有意义。目前人们已经提出了很多不同的聚类方法用于发现大型复杂网络图中的聚类结构，在互联网结构、社会结构、生物的蛋白质结构、文献的相互引用关系领域都有着广泛的运用。针对现实中网络图聚类的问题，文章给出了一般性的研究框架，概括性的比较和分析了目前较为典型的挖掘网络聚类结构的图聚类方法的主要优点和缺点。量化双向图是网络图聚类中的重要研究对象，文章提出了一种基于结点相似性的量化双向图聚类算法，并针对实际的论坛数据进行聚类分析。首先根据数据接口的要求对论坛中发帖的数据进行各种预先处理，包括建立数据库、并对论坛数据进行抓取和导入；最后在此基础上对论坛数据库进行挖掘，得到用户之间的关系，实现了大规模复杂虚拟网络上的社区发现。通过在各种真实和模拟数据集上应用和检验，验证了该量化双向图聚类算法的有效性和实用性。该算法能够对大规模复杂网络图进行聚类分析，为进一步挖掘网络图中各实体关系提供了基础。最后与其他的同类算法进行了对比，实验结果表明文章方法的社区发现结构在社区评价指标上具有更好。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 概述
• 1.2 国内外研究现状
• 1.3 本文主要的研究工作
• 2 网络图聚类研究基础
• 2.1 网络图研究的理论基础
• 2.2 网络图聚类问题描述
• 2.3 网络图聚类研究框架
• 2.4 本章小结
• 3 聚类算法数据结构以及相关定义
• 3.1 数据结构及相关定义
• 3.2 量化双向图聚类划分类型
• 3.3 量化双向图聚类算法设计
• 3.4 本章小结
• 4 算法实验
• 4.1 虚拟社区数据处理
• 4.2 虚拟社区聚类结果分析
• 4.3 聚类算法比较
• 4.4 聚类算法分析
• 4.5 本章小结
• 5 总结与展望
• 5.1 全文总结
• 5.2 展望
• 致谢
• 参考文献