摘要：社团是复杂网络中连接紧密的节点所构成的群体,社团划分是理解网络结构和挖掘网络所蕴含的信息的有效途径,加权网络能比无权网络反映更深层次的信息,对其进行社团划分具有重要的现实意义。为了提高加权网络社团划分的准确性和效率,设计了一种基于节点相似度和标签传播的加权网络社团划分方法SLWCD。该方法用改进的Jaccard相似系数计算加权网络的节点相似度,并基于节点相似度将节点分组,再按组分配初始标签;在标签传播过程中,对目标节点的邻居节点按标签分组,将目标节点的标签更新为与其边权之和最大的组所对应的标签;当标签不再变化时,将具有相同标签的节点归于同一个社团,产生最终的社团划分结果。在Zachary空手道俱乐部网络和Lesmis网络上的实验结果表明,SLWCD方法不仅能够准确地划分加权网络的社团,而且具有较高的稳定性和较低的时间复杂度。

摘要：针对现有脆弱类挖掘方法缺乏对类间依赖关系的考虑,导致软件维护难的问题,运用软件中类间依赖关系与频次,构建有向加权类依赖软件网络。通过定义类依赖加权熵,结合节点出度、节点介数与类节点脆弱性的关系,设计类节点脆弱性度量。针对类节点脆弱性度量值高的类节点采取蓄意攻击,提出基于模块度的有向加权类依赖软件网络社团划分算法,分析类依赖软件网络社团划分过程中社团数和模块度变化机理,挖掘类依赖软件网络中的脆弱类,对脆弱性节点加以保护,提高软件质量。设计脆弱类挖掘实验,与随机攻击15个类节点相比,对本方法得到的脆弱性度量值前15的类节点开展蓄意攻击,发现类依赖软件网络的平均模块度提高12.7%,平均社团数提高60.12%,验证了类依赖软件网络脆弱类挖掘算法的有效性。

摘要：协同过滤算法是个性化推荐系统中广泛使用的经典算法。针对传统协同过滤算法存在的相似度计算不准确、可扩展性差等问题,设计了一种融合隐性社交网络社团划分和协同过滤的推荐算法ICDCF。该方法将用户对项目的共同兴趣视为社交关系。首先用考虑了用户隐性关系的改进的Jaccard相似系数衡量用户间的社交关系强弱,以用户为顶点、以用户相似度为连边的权值,构建无向加权的隐性社交网络;然后基于隐性社交网络,用谱聚类思想对用户进行社团划分;最后在社团内实施基于用户的协同过滤推荐。该方法可以避免协同过滤推荐阶段因共同评分项目少而导致的相似度计算不准确问题,同时可以减少搜索近邻的计算量,提高时间效率。在数据集MovieLens⁃100K和FilmTrust上的实验结果体现了ICDCF算法在推荐准确性和可扩展性方面的优势。

摘要：针对传统模块优化社团划分算法仅能利用网络的结构信息,而无法利用同样丰富的内容信息,导致划分精度较低的问题,提出一种结合内容属性并通过给连边加权来全面优化网络拓扑结构的社团划分算法CCSRW(Classification with Content-Structure and Random Walk).设计利用随机游走理论计算结构节点与内容节点间的相似性关系矩阵,并将结构节点映射到内容属性空间上,最终把社团划分问题转化为多维无监督聚类问题.通过在真实数据集上进行的全面实验分析,展示了相比于传统社团划分算法,本文的算法能更准确的描述网络结构,显著提高划分性能,并有效解决小社团不敏感问题,更适用于大规模复杂信息网络的社团划分.

摘要：与无权网络相比,加权网络能够反映节点间关系的强弱,赋予复杂网络更加明确的物理意义,因此加权网络的社团划分具有重要的现实意义。为了提高加权网络社团划分的准确度,设计了一种基于节点重要性和模块度优化的加权网络社团划分算法IMWCD。首先,将每个节点初始化为一个社团,并借鉴度中心性和PageRank的评价思想,综合节点自身信息及其邻居节点信息来计算节点重要性;然后,按节点重要性的升序遍历节点,以模块度增益最大为原则将目标节点移入相应社团中,直至各节点不需要再移动;再以各个社团为节点重新构建网络,新网络中边的权重为两个新节点对应社团的权重之和;重复以上过程,直至网络的模块度不再变化。在LFR人工基准网络数据集和High-energy theory、Astrophysics和Condensed matter等真实加权网络上的实验结果表明,IMWCD算法的社团划分质量比同类型的算法有所提升,并且具有线性时间复杂度,能适用于大规模加权网络的社团划分。

摘要：针对社会网络中用户信息时的传播路径,提出一种社会网络中基于路径的社团划分方法.首先,采用边介数中心性来进行社团划分,接着设计了一种基于重要路径的社团更新方法来解决初步划分社团之后的碎片问题,最后针对信息传播中用户态度发生变化的问题,提出基于PSO算法的社团动态更新方法.实验分析说明,本方案时间复杂度较小,性能也具有一定的优势.

摘要：社会网络结构反映了网络中个体节点行为的区域特点以及群体之间的关联性。为了提高社团划分的效率和准确性,设计了一种新的基于改进的Jaccard相似系数矩阵的社团划分算法IJ-CD。该算法首先对社会网络的Jaccard相似系数矩阵中的零元素进行处理得到改进的Jaccard相似系数矩阵;然后基于谱平分法思想将改进的矩阵标准化,并选取适当的特征向量维数;最后应用K-means聚类算法划分社团。基于三个经典社会网络数据集的社团划分实验结果表明:IJ-CD算法不仅在社团结构不很明显时也能很好划分出社团,而且能有效地提高社团划分的准确性和降低时间复杂度。

摘要：社会网络记录网络中各个实体间的关联,社团划分是对社会网络中的节点关系的区分归纳。为了提高社团划分的准确率和效率,基于Jaccard相似度算法和标签传播算法LPA,设计了一种适用于非重叠社团的划分算法JLCD。该算法首先针对Jaccard相似度算法的计算结果中存在较多关联性的节点但相似度为零或无法计算的情况,引入了SimRank算法的思想对Jaccard相似度算法进行了改进,并用改进的Jaccard算法来计算节点相似度从而得到初始社团;然后用LPA算法基于初始社团来完成最终的社团划分,以此解决LPA在初始标签分配上消耗资源大的问题,并提高社团划分的稳定性。海豚社会网络、足球队赛事网络和人工生成数据集的社团划分结果表明:JLCD方法能够有效地对社团结构进行划分,并且具有较高的准确度和较低的时间复杂度。

摘要：针对智慧城市中各种系统、网络中不同重要性连边导致的级联故障问题,提出一种改进的面向社团划分的加权网络级联故障模型。将节点初始负载定义为考虑边权重占比的邻居节点介数之和,节点容量计算附加社团因素。数值模拟加权网络的级联故障发现,边介数加权网络的社团特性较弱,等权重加权网络的社团特性较强,网络的社团特性越明显,网络抵制故障能力越强;对节点附加二次容忍值可以显著提升网络抵制故障能力;桥梁节点比非桥梁节点具有更大的级联故障破坏力。

摘要：结合社会网络分析的推荐方法研究已成为热点。电子商务中用户的动态行为异常丰富,隐含了用户的关联关系,利用这些信息进行商品推荐是个新研究思路。分析电子商务系统中用户动态行为关联关系及用户间明确好友关系形成复杂隐性社会网络,将社团划分算法应用到该网络中,则社团内部用户联系紧密且具有更相似的消费偏好,据此设计了电子商务中社团内部的推荐方法,应用R语言进行了算法的验证并与传统的协同过滤算法进行比较。实验表明,该推荐算法提高了推荐的质量,缓解了传统推荐算法中数据稀疏性及冷启动问题等。