摘要：社区结构是复杂网络的重要拓扑特性之一.在现实世界中,网络的社区结构常具有重叠性.如何从网络中发掘出可靠的重叠社区是目前复杂网络社区发现研究的难点之一.直接优化Qov评价函数是一种解决重叠社区发现问题的方法,然而该方法易产生局部最优解.为解决该问题,利用类原型聚类算法的思想和概念,通过计算网络节点的类原型归属度信息,设计一个基于类原型的复杂网络重叠社区发现方法的框架,并将该框架应用于几种常见的聚类算法.实验结果表明,相比其它网络重叠社区发现算法,该方法不仅避免产生局部最优解,且具有适用性好、精度高的优点.

摘要：为更好地挖掘社区结构,提出一种改进蚁群算法优化重叠社区发现算法(LEAC-OCD)。采用局部扩展的社区识别方法,将少数核心节点构成三角形模体,判断和量化社区结构的稳定性,实现粗糙划分社区结构;根据蚁群算法在转移机制的启发下自由移动,改变重叠节点的位置归属;通过社区量化稳定性的阈值,得到高质量的重叠社区结构。实验结果表明,LEAC-OCD算法在检测重叠社区结构方面优于其它经典算法。

摘要：针对多标签传播重叠社区发现算法(COPRA)存在的社区划分结果准确性低和鲁棒性差的问题,提出一种基于成对约束的多标签传播重叠社区发现方法(PCMLPA)。以主动查找、扩展的方式引入成对约束指导社区发现,提高社区划分结果的准确性。在标签传播的过程中,根据节点影响力大小确定节点更新顺序,根据节点的相似性度量确定邻居节点的遍历顺序,解决COPRA鲁棒性差的问题。与其它基准算法的对比实验结果表明,PCMLPA方法鲁棒性强且社区划分结果具有更高的准确性。

摘要：为解决异质网络重叠社区发现问题,提出一种基于异质图注意力网络的重叠社区发现模型。通过异质图注意力网络的双层注意力机制,从节点级与语义级充分挖掘节点、元路径在信息表示中的重要程度,并进行分层聚合获得节点特征向量,将伯努利-泊松模型与图卷积网络整合,在生成社区隶属关系矩阵的基础上优化社区重叠度进行重叠社区划分。模型改变异质图注意力网络的激活函数,改善梯度消失问题,将异质图注意力网络与伯努利-泊松模型结合实现异质网络的重叠社区发现。使用真实数据集进行实验,实验结果表明,模型可以利用异质网络节点信息多样性进行重叠社区发现,相对传统社区发现方法具备较好的稳定性和准确性。

摘要：近年来从软件产品的文本描述中提取软件特征获得了大量关注。考虑到产品文本描述中的句子能够更加清晰地表达一个特征的含义,并且文本描述中的每个句子可能会涉及多个软件特征,文中提出了一种通过发现软件产品文本描述中重叠的句子聚簇来提取软件特征的方法。基于复杂网络中的LMF重叠社区发现算法,所提方法通过自定义文本描述中句子之间的相识性度量,构建句子之间的相似性网络,然后发现句子相似性网络中的句子社区,实现对句子的聚类。每个句子社区蕴含一个软件特征,包含了所有潜在描述该软件特征的文本句子。所发现的句子社区可能存在重叠的句子,这些重叠句子同时涉及多个句子社区所蕴含的软件特征。进一步,为了帮助人们更好地理解句子社区所蕴含的特征,所提方法设计了相应的算法来从所有句子社区中依次选择熵最小的社区,并从所选社区中挑选最有代表性的、且其他社区还未选择的句子来作为一个社区所蕴含特征的描述符。文中爬取***网站的软件产品文本描述信息作为实验数据。实验结果表明,所提方法与现有代表性方法相比在准确性与时间方面具有更好的表现。

摘要：基于专利数据识别领域内新兴技术主题,有利于准确把握未来技术发展趋势。文章建立专利引用关系网反映技术集群程度,基于Louvain社区发现算法进行引用网络聚类得到初始社区,设计核心-边缘标签传播的重叠社区发现算法得到重叠专利集;将获取的重叠专利数据集作为候选新兴技术,构建新兴技术识别指标体系判断候选集中新兴技术专利,并进行主题挖掘。研究发现:将Louvain算法与核心-边缘标签传播算法相结合可得到高质量的重叠社区;基于重叠社区、多维度测度指标及LDA模型,能更能全面、准确获得新兴技术主题。

摘要：在大众分类网络中,允许用户使用个性化标签对资源进行标注,标签可以使用户方便地表达的自己的兴趣与偏好.但是,标签自由、松散的分类方式使标签存在冗余、歧义以及一词多义的问题,使用户难以发现自己需要的资源,因此在基于标签的推荐系统中,推荐精确性低,用户体验差,社区发现(聚簇)技术是解决这一问题的重要手段.本文从构建标签共现图入手,采用标签共现图的重叠社区发现技术来理解标注的正确含义、减少冗余歧义标签带来的噪声.在此基础上设计了完整的个性化推荐方案,经过真实标签网络数据验证表明标签重叠社区检测能够提高推荐质量,算法在精确性和多样性上均有较好的改进.

摘要：在研究经典标签传播算法的基础上,提出了一种基于传播影响力的重叠社区划分算法COPRA-PI,可用于挖掘加权网络中的社区结构。该算法在COPRA算法的基础上从节点影响力、边影响力、历史标签影响力3个方面综合考虑传播影响力;同时针对COPRA算法中每个节点在每次迭代过程中均具有相同的最大标签数,且该最大标签数目需手动设置等不足,该算法中设计了一个自适应的最大标签数。实验结果表明,COPRA-PI算法在经典的数据集上对比现有经典算法更能挖掘出高质量的社区结构且收敛速度较快。

摘要：基于新兴的智慧校园网络技术,论文将Mininet虚拟网络与Openvswitch真实交换机融合,搭建一个智慧校园虚实网络环境,以同时满足网络大规模和真实性的需求。在智慧校园虚实网络拓扑中,一个关键问题是如何选择Open-vswitch交换机,即真实节点的位置。论文结合图论和社交网络等领域的概念,设计了真实节点的定义,并提出了基于节点介数分析的真实节点查找算法和基于重叠社区发现的真实节点查找算法。通过3个不同网络拓扑的实验,验证了论文提出的算法能够有效发现拓扑中真实节点的位置,对搭建大规模且真实的智慧校园虚实网络具有重要意义。