社会网络顶点间相似性度量及其应用

摘要：

集对分析作为处理系统确定性与不确定性相互作用的数学理论,可用来处理存在不确定关系的复杂社会网络.首先,应用集对分析理论,将社会网络作为一个同异反系统(确定不确定系统),采用集对联系度刻画顶点间的同异反关系,综合考虑顶点的局部特征和拓扑结构对顶点相似性的贡献,提出加权聚集系数联系度的顶点间相似性度量方法.该度量方法可以更好地刻画网络结构特征,克服传统局部相似性度量指标对某些顶点间相似性值的低估,降低全局相似性度量指标的计算复杂度.其次,为了将该相似性度量指标应用于社区发现,与凝聚型层次聚类算法相结合,使其适用于具有相似性度量对象的复杂网络社区发现问题.最后,在社会网络上进行社区挖掘实验,并与经典社区发现算法进行比较,实验结果表明了该相似性度量指标的正确性及有效性.

关键词：社会网络、相似性、集对、同异反关系、社区发现

所属期刊栏目：11

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No. 61472340;the National Youth Science Foundation of China under Grant No. 61602401;the Natural Science Foundation of Hebei Province under Grant Nos. F2017209070, F2016209344

在线出版日期：2017-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1629-1641