摘要：近年来,社团结构分析已经引起很多领域的关注,一些探测方法也陆续被提出。然而,其中大多数方法只利用了网络拓扑结构,并没有考虑内在的背景信息。基于离散势能理论,提出了一种新的半监督社团探测方法,利用标记节点产生的静电场来确定未标记节点的标签(社团标号)。首先给一定数目的节点赋予用户定义的标签;然后利用稀疏线性方程组计算余下节点的标签,其中每个节点的标签被设定为计算出的最大势能值;最后将该方法与现有算法进行比较。实验结果表明,所提算法在现实世界网络和人工基准网络上都展现了很强的探测能力,特别是在只具有模糊大规模社团结构的情况下,该算法仍然具有很高的准确性。

摘要：链路预测具有重大的应用价值,是复杂网络中的研究热点.本文在随机人工网络、无标度人工网络和真实数据集上,在网络社团结构对链路预测算法的准确性的影响方面进行了大量的实验,实验结果显示链路预测算法的准确性不仅与算法设计的本身有关系,而且与测试算法精确度的网络社团结构密切相关,即链路预测算法准确性随网络社团模块度Q值增加而增加.本研究将为未来链路预测算法的设计和完善提供指导意义,同时也为链路预测中选择合适的预测算法提供指导.