导读:本文包含了节点相似性论文开题报告文献综述及选题提纲参考文献，主要关键词:复杂网络,社区发现,相似性度量,标签传播
节点相似性论文文献综述
车晨浩[1]（2019）在《基于节点相似性的社区发现算法研究》一文中研究指出现实生活中许多系统可以表示成复杂网络,如社会关系网、蛋白质互作用网、交通运输网等,复杂网络分析在社会学,生物学等领域有着广泛的应用。社区结构是复杂网络的重要特征之一,即一个网络可以分成若干个社区,每个社区内部的节点之间连接相对紧密,各社区间的节点连接相对稀疏。设计有效的社区发现算法可以发现社会网络中的社区结构、生物网络中的蛋白质功能模块等,有助于深入研究各种类型复杂网络的功能模块及其演化特征,对准确地理解并分析复杂系统的拓扑结构及动力学特性具有十分重要的理论意义和应用价值。针对复杂网络中的社区发现问题,本文主要包括以下两方面内容:(1)对网络中节点间的相似性进行合理度量是社区发现的核心问题。针对此,给出了一种基于节点间点不重复路径的节点相似性指标,以此为基础,提出了一种基于节点间路径度量的图聚类算法(a graph clustering algorithm based on local paths between nodes in complex networks,PGC),包括节点相似性计算、中心节点选择、初始社区划分和社区优化四个主要过程。采用节点间点不重复路径对节点相似性进行度量,消除了由大度节点引起的较多的点重复路径对节点相似性度量的影响,提高了对大度节点邻域中节点的划分能力。通过与一些经典算法在真实网络以及人工网络数据集上的实验比较分析,结果表明算法PGC在NMI、ARI等方面均表现出良好的性能。(2)针对标签传播社区发现算法在节点更新顺序及标签传播过程中存在较大随机性而导致划分结果稳定性差的问题,提出一种基于标签传播的两阶段社区发现算法(a two-stage community detection algorithm based on label propagation,LPA-TS),在第一阶段,通过节点参与系数确定更新顺序,并在标签传播过程中依据节点之间的相似性更新节点标签,得到初始社区划分。将社区看作节点,社区间连边数作为边权重,得到社区关系网络;在第二阶段,将不符合弱社区定义的初始社区与连边最多的相邻社区合并,再按照社区参与系数由低到高的顺序合并初始社区提升社区发现质量。LPA-TS减少了传统LPA方法在节点更新和标签传播过程的随机性。通过与一些经典算法在8个真实网络及不同参数下LFR benchmark人工网络数据集上的实验比较表明LPA-TS表现了良好的稳定性,在NMI、ARI、模块性等方面表现良好。(本文来源于《山西大学》期刊2019-06-01）
杨邦[2]（2019）在《基于节点特征相似性的社会网络链接预测研究》一文中研究指出近年来,互联网技术的发展产生了大量在线社会活动,与之而来的是海量的社会网络数据,对社会网络数据的分析在情报网络舆情分析、旅游系统用户偏好预测以及社交平台好友推荐等方面具有重大的意义。链接预测作为社会网络分析的重要方法,具有巨大的学术价值和应用价值。虽然已经有很多不同领域和学科的链接预测方法被提出来,但是目前的社会网络链接预测方法仍存在一些不足之处。其一,简单属性信息的提取方法对网络信息的提取不够准确。其二,只使用节点属性信息或一阶邻接关系的链接预测方法的性能受网络稀疏性影响较大。其叁,很多链接预测方法只能预测存在的链接,却鲜有人对不存在的链接关系做出明确计算。针对上述的问题,本文主要做了如下的工作:(1)针对在有属性的网络中只使用单一相似性信息的方法受网络稀疏性影响较大,以及网络信息提取不够准确的问题,提出了基于联合特征相似度与相似性传播的链接预测方法(CS&STrans)用于预测科研网络中的合作关系。提取节点的文本属性时考虑了不同原始文本对于当前节点的影响权重;并对网络节点的一阶相似度和属性相似度进行动态权值分配;此外还利用了节点相似性间接传播机制挖掘节点的二阶相似性,获得综合相似度。实验结果表明,CS&STrans方法性能优于其过程中使用单一方法,并且优于其他的基准方法。同时参数对比实验还表明,方法的可变参数设置使得算法具备较好的扩展性,能适用于不同的属性网络。其在实际的属性网络分析系统中有较大的应用价值。(2)为了对测试数据中不存在的链接做出预测和提升节点向量化过程中参数模型的稳定性和收敛速度,提出了基于节点特征相似性映射与标签数据构建的链接预测方法(Net2Vec-CLP)。首先在节点向量化过程中,使用牛顿法最优化模型参数,引入辅助函数,避免了优化过程梯度可能为0的问题。最后构建带标签的数据集进行分类学习,得到节点向量的分类结果作为链接预测结果。通过多个数据集及多个评价指标分析了所提方法的有效性和可行性,实验结果表明,Net2Vec-CLP拥有较高的预测准确率,相对于基准方法,有较明显的优势。算法的高准确性结果使得其在在社会网络系统中的好友推荐、偏好分析以及兴趣预测等方面具有较好的潜在应用价值。(本文来源于《桂林电子科技大学》期刊2019-05-29）
魏晓辉,许国威,王兴旺,徐海啸[3]（2019）在《基于节点相似性和链接次数组合时间序列的链接预测》一文中研究指出针对现有方法利用网络信息相对割裂,很难描述链接次数与相似性分数关系的问题,提出一种动态网络中的链接预测方法,用节点相似性分数和链接次数组合时间序列模型进行预测.首先通过社区演化,预测历史上各时间快照下节点间的相似性分数;然后用二元时间序列模型将其与各时间快照下节点间的事实链接次数相结合,判断下一个时间段内各节点对链接发生的可能性;最后在Weibo-Net-Tweet微博转发数据集上进行测试.实验结果表明,该方法至少提高了5%的预测准确度,证明了社区演化与链接预测之间的内在联系,验证了二元时间序列模型的有效性.(本文来源于《吉林大学学报(理学版)》期刊2019年03期）
贾郑磊,谷林,高智勇,谢军太[4]（2019）在《基于节点相似性的加权复杂网络BGLL社团检测方法》一文中研究指出针对加权复杂网络中的重迭社团检测问题,提出了一种面向加权网络的基于Jaccard系数的BGLL模块密度优化算法(Modularity Density and Jaccard Based BGLL, DBGLLJ).利用节点重要度重构网络,根据模块度增益作为阶段函数和模块密度增益作为目标函数进行网络硬划分,并提出了结合改进的Jaccard系数的重迭检测方法.为验证算法,选择了3种算法在LFR网络和真实网络中进行测试,结果表明:在标准LFR网络和真实网络中,DBGLLJ算法检测效果较优,具有较高的重迭模块度以及重迭检测准确性,且运算效率较好.将所提算法应用于现实复杂机电系统因效性网络,重迭检测结果较好,具有较高的参考价值.(本文来源于《计算机系统应用》期刊2019年02期）
卢文[5]（2018）在《基于局部信息节点相似性链路预测算法的分析与研究》一文中研究指出链路预测作为网络科学中的新兴研究方向,近年来受到越来越多研究者们的关注。本文详细分析了十种基于局部信息相似性的链路预测算法,同时将十种算法在六种真实网络中进行仿真实验,通过AUC指数得出,基于节点相似性的链路预测算法可以在仅掌握网络节点少数属性的情况下,可以达到一个很好的预测水平。(本文来源于《电子技术与软件工程》期刊2018年20期）
付饶,孟凡荣,邢艳[6]（2018）在《基于节点重要性与相似性的重迭社区发现算法》一文中研究指出在复杂网络中进行重迭社区发现时,现有模糊C均值算法(FCM)采用随机策略导致社区划分结果不一致。为此,提出一种新的重迭社区发现算法。引入节点重要性来量化复杂网络中节点的重要程度,根据节点重要性排序和节点间最短路径选取若干核心节点作为FCM初始的聚类中心节点,从而提高FCM的不稳定性。利用基于s-跳最短路径的节点相似度量方法得到信息更丰富的相似矩阵,以提高算法的准确率。采用谱聚类对相似矩阵处理得到节点的隶属度矩阵,并依据阈值分配各节点的社区归属。实验结果表明,该算法能够得到唯一的社区划分结果,且在Karate、Dolphins数据集上的NMI指标比GCE、INFOMAP和GOPRA等算法高8%以上。(本文来源于《计算机工程》期刊2018年09期）
王鑫,陈喜,钱付兰,张燕平[7]（2018）在《结合共同邻居贡献度的节点相似性链路预测算法》一文中研究指出链路预测是复杂网络的一个重要研究方向,基于节点相似性的链路预测方法是最为常用的一种方法。目前大部分使用节点链接紧密度的节点相似性链路预测方法,未考虑每个共同邻居节点的差异性,即不同的节点对连边的贡献度是不同的。本文提出一种结合共同邻居节点之间的节点贡献度和链接紧密度的链路预测算法。该算法首先计算共同邻居节点之间的链接信息作为节点的链接紧密度,再定义耦合度聚簇系数表示共同邻居节点贡献度,最终将二者结合。在实际数据集上的实验结果表明,该算法比4种经典的链路预测算法(CN,AA,RA和Jaccard)和基于节点链接密度的算法CNBIDE具有更好的预测精度。(本文来源于《数据采集与处理》期刊2018年05期）
王林,饶仁杰[8]（2018）在《基于LeaderRank和节点相似性的多标签传播重迭社团挖掘算法》一文中研究指出针对基于多标签传播重迭社团挖掘算法COPRA因随机更新策略带来的不稳定性以及需要预先输入参数的局限性等问题,提出一种基于LeaderRank和节点相似性的多标签传播重迭社团挖掘算法.该算法首先利用LeaderRank算法对网络中的节点进行重要性排序从而确定节点的更新顺序,减少标签不必要的更新.在标签传播过程中,根据节点相似性重新设计标签的更新策略,提高算法的稳定性.将算法应用于人工网络和真实网络中进行实验,实验结果表明该算法在挖掘重迭社团上具有较高的准确性和稳定性.(本文来源于《计算机系统应用》期刊2018年06期）
林伟杰[9]（2018）在《基于节点行为模式的PSN网络节点相似性指标》一文中研究指出节点之间的相似性的计算在链路预测、节点聚类、个性化推荐、社团挖掘等方面有着非常广泛的应用。例如在传统网络的链路预测中,基于节点相似性的链路预测不仅计算复杂度低,而且有较好的预测精度。由于便携交换网络(Pocket Switched Networks,PSN)是一种利用人的移动和机会性相遇进行数据交互的延迟容忍网络(Delay Tolerant Network,DTN),因此PSN网络的网络拓扑会随着节点的移动发生变化,并且节点间链路会随着节点的移动频繁的连接或者断开,这使得常用的基于节点局部信息或是基于网络拓扑结构的节点相似性评价方法不能很好的被应用于PSN的链路预测;同时,由于PSN网络中的传感器设备的携带者是人,因此节点的移动和节点间信息的交互具有很强的社会性和规律性。本文从节点携带者的行为模式出发,分析了PSN网络中节点的社会特性和移动规律,并将PSN网络中节点的相似性分为节点携带者社交行为的相似性和移动行为的相似性。一方面,通过统计节点间建立链接的次数和每次链接的时长得出节点间的关系权重,并将节点间的关系权重和传统社交网络的相似性指标结合得出PSN网络中节点社交行为的相似性;另一方面,根据对MIT Reality数据集的研究以及现有的对PSN网络中节点移动规律的研究,通过统计PSN网络中节点之间存在的共同频繁访问区域的次数并将其作为特征向量,基于余弦相似性计算出PSN网络节点间移动行为的相似性。在上述研究的基础上提出一种基于PSN网络节点行为模式的相似性指标,为PSN网络中的链路预测以及消息转发策略提供参考依据。本文采用AUC和Precision作为评价指标,使用MIT Reality和Dartmouth/Campus数据集作为实验数据集,对本文提出的相似性指标的可行性进行了验证;通过设计多组对比实验,验证并找出社交行为相似性和移动行为相似性的结合方式。实验结果表明,和传统的相似性指标如CN,AA,Katz相比在PSN网络中获得了更好的预测效果,并能更真实地反应PSN网络中节点间链路的变化情况。(本文来源于《南昌航空大学》期刊2018-06-01）
段锐丰[10]（2018）在《大规模动态图节点相似性度量方法研究》一文中研究指出图作为计算机学科中常用的一种数据结构,它可以有效地表达对象之间广泛存在的联系,比线性表和树更加复杂,具备更一般性的表达能力,如道路交通网问题、Web语义分析问题、社交网络分析、生物信息网、地理信息网等。越来越多的应用场景需要依靠图数据结构来处理,同时图数据规模的不断增大带来了诸多挑战和分析,对其进行相关研究有非常重要的意义。大规模动态图演化过程中节点相似度度量和聚类被作为一种图关系的基础研究,该内容被众多学者进行深入研究。传统的研究大多集中静态图、累积动态图上相似子图查询和子图挖据的相关研究成果,本文研究大规模动态图演化过程中节点相似度度量和基于节点相似度的聚类。由于目前对于大规模动态图节点相似度度量和聚类研究较少,所以本文提出了大规模动态图中节点相似性分类度量方法。针对上述问题,本文提出了大规模动态图中节点相似性分类度量方法,该方法包括数据预处理处理、节点相似度计算、节点相似度分段。为了解决大规模动态图的存储和处理问题,本文采用了Spark分布式计算框架中的GraphX类库中的算子,该计算框架封装了图的基本计算类库,使得算法运行和实现较为高效。首先数据预处理阶段,本文获得大规模动态图演化过程中快照的边集合和顶点集合,把边集合和顶点集合转化为两个nodes.csv、edges.csv文件,然后利用GraphX算子读取两个nodes.csv、edges.csv文件。其次节点相似度计算阶段,节点相似度计算可以分为相邻节点相似度计算和连续时间段的节点相似度计算(非相邻节点相似度计算),nodes.csv、edges.csv文件作为计算节点相似度的输入文件,根据边集合和顶点集合,利用GraphX计算相邻两个节点的相似度。在已知相邻节点相似度,利用相邻节点相似度计算连续时间段的非相邻节点相似度,该算法是一个递归算法,最终实现相邻节点相似度计算和连续时间段的节点相似度计算。再次节点相似度分段阶段,根据时间序列约束的聚类方法,把节点相似度聚类为不同的簇分段,不同的聚类导致不同的段内相似度和段间相似度。对于聚类的分段结果,根据聚类结果评价公式计算Goodvalue值,选择Goodvalue值最大的聚类结果,作为最优的分段结果。最后通过在两个数据集的实验室,验证了本文算法在存储开销和执行效率上有明显的优点,然后根据不同数据集聚类产生的Goodvalue值,选择出不同数据集的最优分段。(本文来源于《辽宁大学》期刊2018-05-01）
节点相似性论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来,互联网技术的发展产生了大量在线社会活动,与之而来的是海量的社会网络数据,对社会网络数据的分析在情报网络舆情分析、旅游系统用户偏好预测以及社交平台好友推荐等方面具有重大的意义。链接预测作为社会网络分析的重要方法,具有巨大的学术价值和应用价值。虽然已经有很多不同领域和学科的链接预测方法被提出来,但是目前的社会网络链接预测方法仍存在一些不足之处。其一,简单属性信息的提取方法对网络信息的提取不够准确。其二,只使用节点属性信息或一阶邻接关系的链接预测方法的性能受网络稀疏性影响较大。其叁,很多链接预测方法只能预测存在的链接,却鲜有人对不存在的链接关系做出明确计算。针对上述的问题,本文主要做了如下的工作:(1)针对在有属性的网络中只使用单一相似性信息的方法受网络稀疏性影响较大,以及网络信息提取不够准确的问题,提出了基于联合特征相似度与相似性传播的链接预测方法(CS&STrans)用于预测科研网络中的合作关系。提取节点的文本属性时考虑了不同原始文本对于当前节点的影响权重;并对网络节点的一阶相似度和属性相似度进行动态权值分配;此外还利用了节点相似性间接传播机制挖掘节点的二阶相似性,获得综合相似度。实验结果表明,CS&STrans方法性能优于其过程中使用单一方法,并且优于其他的基准方法。同时参数对比实验还表明,方法的可变参数设置使得算法具备较好的扩展性,能适用于不同的属性网络。其在实际的属性网络分析系统中有较大的应用价值。(2)为了对测试数据中不存在的链接做出预测和提升节点向量化过程中参数模型的稳定性和收敛速度,提出了基于节点特征相似性映射与标签数据构建的链接预测方法(Net2Vec-CLP)。首先在节点向量化过程中,使用牛顿法最优化模型参数,引入辅助函数,避免了优化过程梯度可能为0的问题。最后构建带标签的数据集进行分类学习,得到节点向量的分类结果作为链接预测结果。通过多个数据集及多个评价指标分析了所提方法的有效性和可行性,实验结果表明,Net2Vec-CLP拥有较高的预测准确率,相对于基准方法,有较明显的优势。算法的高准确性结果使得其在在社会网络系统中的好友推荐、偏好分析以及兴趣预测等方面具有较好的潜在应用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
节点相似性论文参考文献
[1].车晨浩.基于节点相似性的社区发现算法研究[D].山西大学.2019
[2].杨邦.基于节点特征相似性的社会网络链接预测研究[D].桂林电子科技大学.2019
[3].魏晓辉,许国威,王兴旺,徐海啸.基于节点相似性和链接次数组合时间序列的链接预测[J].吉林大学学报(理学版).2019
[4].贾郑磊,谷林,高智勇,谢军太.基于节点相似性的加权复杂网络BGLL社团检测方法[J].计算机系统应用.2019
[5].卢文.基于局部信息节点相似性链路预测算法的分析与研究[J].电子技术与软件工程.2018
[6].付饶,孟凡荣,邢艳.基于节点重要性与相似性的重迭社区发现算法[J].计算机工程.2018
[7].王鑫,陈喜,钱付兰,张燕平.结合共同邻居贡献度的节点相似性链路预测算法[J].数据采集与处理.2018
[8].王林,饶仁杰.基于LeaderRank和节点相似性的多标签传播重迭社团挖掘算法[J].计算机系统应用.2018
[9].林伟杰.基于节点行为模式的PSN网络节点相似性指标[D].南昌航空大学.2018
[10].段锐丰.大规模动态图节点相似性度量方法研究[D].辽宁大学.2018