亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于層次覆蓋的多層網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)算法

        2018-07-27 05:16:04,,,
        計算機測量與控制 2018年7期
        關(guān)鍵詞:外層單層相似性

        , ,,

        (西安理工大學(xué) 自動化與信息工程學(xué)院, 西安 710048)

        0 引言

        現(xiàn)實世界中的許多復(fù)雜系統(tǒng)可以用復(fù)雜網(wǎng)絡(luò)來表示,社團(tuán)結(jié)構(gòu)是復(fù)雜網(wǎng)絡(luò)的一個重要拓?fù)涮匦訹1],它具有同一類節(jié)點之間聯(lián)系緊密,不同類節(jié)點之間聯(lián)系稀疏的特性。社團(tuán)發(fā)現(xiàn)是根據(jù)復(fù)雜網(wǎng)絡(luò)里隱含的拓?fù)湫畔碚页銎渲械纳鐖F(tuán)結(jié)構(gòu),它可應(yīng)用于信息標(biāo)簽化、預(yù)防病毒,預(yù)測行為等。研究復(fù)雜網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)的性質(zhì)不僅有助于分析復(fù)雜網(wǎng)絡(luò)的功能,對研究生物學(xué)、醫(yī)學(xué)、工程學(xué)、計算機科學(xué)等也具有十分重要的意義。因此,對社團(tuán)發(fā)現(xiàn)算法的研究受到了國內(nèi)外許多學(xué)者的廣泛關(guān)注[2]。

        目前,已經(jīng)存在的社團(tuán)發(fā)現(xiàn)算法多針對于單層網(wǎng)絡(luò),例如:以圖分割[4]、GN[5]算法和標(biāo)簽傳播算法(LPA)[6]為代表的從網(wǎng)絡(luò)的整體到局部的社團(tuán)發(fā)現(xiàn)算法,當(dāng)然也有以Newman快速算法[7]、譜聚類[8]算法和CNM[9]算法為代表的從網(wǎng)絡(luò)的局部到整體的社團(tuán)發(fā)現(xiàn)算法。對多層網(wǎng)絡(luò)的研究最初起源于社會科學(xué)領(lǐng)域,后來發(fā)展到醫(yī)學(xué)、計算機科學(xué)等。近年來,多層網(wǎng)絡(luò)的研究逐步發(fā)展起來,繼而出現(xiàn)了許多多層社團(tuán)發(fā)現(xiàn)算法:CLEDCC算法[10]、多層α-核散列聚類的異常數(shù)據(jù)社團(tuán)發(fā)現(xiàn)算法[11]、基于多層粒子群的社團(tuán)發(fā)現(xiàn)算法[12]、CLECC算法[13]、多層網(wǎng)絡(luò)局部社團(tuán)發(fā)現(xiàn)算法[14]以及通過比較節(jié)點度之間的關(guān)系來發(fā)現(xiàn)多層網(wǎng)絡(luò)中的局部社團(tuán)結(jié)構(gòu)[15]等。

        為了提高目前多層網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)算法社團(tuán)劃分的準(zhǔn)確度,以及對于一些沒有直接相連的節(jié)點作出準(zhǔn)確的劃分。本文提出一種新的算法,通過結(jié)合RA相似度提取拓?fù)湫畔ⅲ瑥亩g接的提取社團(tuán)結(jié)構(gòu)。這種基于層次覆蓋的多層網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)算法在時間復(fù)雜度方面得到了改善。實驗結(jié)果表明,該算法能較準(zhǔn)確地劃分出多層網(wǎng)絡(luò)中的社團(tuán)結(jié)構(gòu),避免了對多層網(wǎng)絡(luò)劃分的局部性。

        1 算法

        1.1 多層網(wǎng)絡(luò)

        定義單層網(wǎng)絡(luò)G=,其中節(jié)點集為V=(v1,v2,...,vn),n是節(jié)點數(shù)目,邊集為E,(vi,vj)表示節(jié)點i與j之間的邊。圖1是一個簡單的無權(quán)無向圖,假設(shè)它是某實驗室的成員圖,每個節(jié)點代表一個成員,每個邊代表成員之間的關(guān)系。

        圖1 單層網(wǎng)絡(luò)模型

        一個特定復(fù)雜系統(tǒng)構(gòu)成一個單層網(wǎng)絡(luò),人們在生活中會碰到各種各樣的單層網(wǎng)絡(luò),比如在日常通信中會用到的微信這一通訊工具,微信里的朋友圈就構(gòu)成了一個單層的復(fù)雜系統(tǒng)。然而,隨著社會的快速發(fā)展,人們在平時的社交過程中不僅僅局限于微信這一種通信工具,還會涉及到微博、E-mail、Twitter、Facebook等,每一種通訊工具都會構(gòu)成一個單層的復(fù)雜系統(tǒng),因此,日常生活中人們處在多個單層的復(fù)雜系統(tǒng)之間,這就構(gòu)成了一個多層次復(fù)雜系統(tǒng)即多層網(wǎng)絡(luò)。

        多層網(wǎng)絡(luò)的每一層都可以用一個圖來表示,由于圖與圖的某些節(jié)點是相互對應(yīng)的關(guān)系,且多層網(wǎng)絡(luò)是由多個相互對應(yīng)的關(guān)系組成的網(wǎng)絡(luò),因此了解每一個多層網(wǎng)絡(luò)里不同圖節(jié)點之間的對應(yīng)關(guān)系很重要。下面給出多層網(wǎng)絡(luò)的定義:多層網(wǎng)絡(luò)是一個單層網(wǎng)絡(luò)的集合,多層網(wǎng)絡(luò)G=,每一層網(wǎng)絡(luò)的層次序號=,i=,i∈1,...,l,Vi和Ei分別是第i層網(wǎng)絡(luò)的節(jié)點集和邊集.圖2是一個柱形多層網(wǎng)絡(luò)的模型,第一層與第二層之間的節(jié)點都是一一對應(yīng)的。假設(shè)第一層是微信網(wǎng)絡(luò),第二層是微博網(wǎng)絡(luò),如果微信里的用戶在微博里都有注冊,那么在微博網(wǎng)絡(luò)里這些用戶之間的關(guān)系可以代表他們在微信網(wǎng)絡(luò)里的關(guān)系,在這里需要注意每個用戶的賬戶只能在他所在的層次登錄,不能在其他層次登錄。圖3是一個較為復(fù)雜的普通多層網(wǎng)絡(luò),假設(shè)第一層是Twitter網(wǎng)絡(luò),第二層是Facebook網(wǎng)絡(luò),第一層的節(jié)點2是Twitter網(wǎng)絡(luò)里的某用戶,那么第一層的節(jié)點2對應(yīng)的第二層的兩個節(jié)點2是他在Facebook網(wǎng)絡(luò)里注冊的不同的賬戶,因此,不同節(jié)點不一定代表不同的用戶,而是不同的賬戶。

        圖2 柱形多層網(wǎng)絡(luò) 圖3 普通多層網(wǎng)絡(luò)

        1.2 RA相似度

        由于多層網(wǎng)絡(luò)的多重性,且為了準(zhǔn)確的找到不同層次任意兩個節(jié)點之間的連接密切關(guān)系,本文采用RA相似度[16]公式:

        (1)

        公式(1)中的φ(i)∩φ(j)表示節(jié)點i和節(jié)點j的共同鄰居節(jié)點集合,k(i)表示兩個節(jié)點共同鄰居的節(jié)點的度.該相似度公式與以往的相似度公式不同之處在于:在比較兩個節(jié)點之間的相似度時,已經(jīng)存在的相似度公式僅考慮的是共同的鄰居節(jié)點數(shù)目,如Jaccard相似度[17],而RA相似度基于網(wǎng)絡(luò)中資源配置的原理,通過比較兩個節(jié)點之間的共同的鄰居節(jié)點的特征來反映這兩個節(jié)點之間的相似性。RA相似度通過公式(1)計算兩個節(jié)點的共同鄰居節(jié)點集合里每個節(jié)點的度,以得到兩個節(jié)點之間的相似性。RA相似度的方法避免了局部相似度存在的一些問題,能更準(zhǔn)確的比較兩個節(jié)點之間的相似性,下面我們通過一個例子來介紹一下RA相似度公式:

        圖4 節(jié)點圖

        1.3 算法核心

        給定一個多層網(wǎng)絡(luò)G=,定義C為某一層的內(nèi)部初始核心節(jié)點社團(tuán),定義D={v∈C|?(u,v)∈E,u∈S}為社團(tuán)C的邊界子集合,定義S=(v∈VC|(u,v)∈E,u∈C)為外層節(jié)點集合,ED代表集合D與集合S中節(jié)點之間的邊,是第i層的邊集,定義L為局部社團(tuán)相似性測度,表示為社團(tuán)內(nèi)部節(jié)點連接拓?fù)湫畔㈥P(guān)系與社團(tuán)間節(jié)點連接拓?fù)湫畔㈥P(guān)系之間的比值。首先隨機選取一個節(jié)點v作為初始社團(tuán)C,通過比較給出兩個公式來表示社團(tuán)內(nèi)連接關(guān)系和社團(tuán)間連接關(guān)系:

        (2)

        (3)

        公式(3)表示社團(tuán)間節(jié)點連接拓?fù)湫畔㈥P(guān)系。

        1.4 判斷條件

        為了判斷一個外層節(jié)點加入內(nèi)部社團(tuán)C后是否能加強社團(tuán)的緊密性,定義局部社團(tuán)相似性測度L來評價外層節(jié)點加入內(nèi)層節(jié)點之后的效果,公式如下所示:

        (4)

        若外層節(jié)點u加入C后滿足以下條件:

        L(C∪{u})>L(C)

        (5)

        Lint(C∪{u})>Lint(C)

        (6)

        公式(5)、(6)表示若節(jié)點u加入社團(tuán)C后,局部社團(tuán)相似性測度L值變大,L值越大表明外層節(jié)點加入內(nèi)層社團(tuán)C后,C更緊密,且內(nèi)層社團(tuán)與外層社團(tuán)連接更加稀疏,社團(tuán)結(jié)構(gòu)更加明顯。且社團(tuán)內(nèi)部節(jié)點連接更緊密,此時將節(jié)點u加入到v所在的社團(tuán)C中。在判斷的過程中,每次將L取最大值時的外層節(jié)點加入到社團(tuán)C中,迭代地判斷每個節(jié)點,直到L不再增大。

        用L作為劃分節(jié)點的評判標(biāo)準(zhǔn),將每次使得L值最大的外層節(jié)點劃分到內(nèi)層社團(tuán)C中,直到不存在符合條件的節(jié)點出現(xiàn)為止,但這種方法在面對一些異常節(jié)點時通常不能有很好的劃分效果,對于這種情況,若外層節(jié)點符合以下兩個條件,就將它們劃分到社團(tuán)C中:

        (7)

        (8)

        公式(7)表示加入節(jié)點u后,社團(tuán)內(nèi)連接系數(shù)較沒加入u之前增大,社團(tuán)間連接系數(shù)變小。明顯地看出,公式(7)所述情況L值會增大,且符合(5)、(6)兩個條件,此時,將節(jié)點u劃分到社團(tuán)C中。如果加入節(jié)點u后遇到公式(8)這種情況,即加入節(jié)點u后,社團(tuán)內(nèi)連接系數(shù)和社團(tuán)間連接系數(shù)較之前都有增大,社團(tuán)內(nèi)部連接以及社團(tuán)之間的連接都更加緊密,此時節(jié)點u有兩種可能:

        (1)節(jié)點u符合以上條件,且u不是核心節(jié)點,可以與社團(tuán)C內(nèi)的節(jié)點進(jìn)行合并;

        (2)節(jié)點u可能是一個核心節(jié)點,它與社團(tuán)內(nèi)和社團(tuán)外的節(jié)點都有大量的連接。

        對于(1)中的節(jié)點u,將它劃分到社團(tuán)C中。對于(2)中的節(jié)點u,暫時將它加入到C中,直到所有節(jié)點被劃分到相應(yīng)的社團(tuán)后,再將這些疑似的核心節(jié)點從C中移除,此時,再返回到條件(5)、(6)對這些節(jié)點進(jìn)行判斷。

        1.5 算法流程

        該算法首先隨機選取一個節(jié)點v作為覆蓋第一層的中心節(jié)點,在初始階段,集合D和集合C里只有節(jié)點v,集合S是外層節(jié)點集合,不斷地從S集合里隨機選出節(jié)點u,如果u加入到C中使得L值較大且能滿足公式(4)以及公式(5)中的兩個條件,則將u加入到v所在的集合里,迭代上述過程,在每一步迭代中,都要更新集合D、集合C和集合S,且直到L值不再增大,算法結(jié)束。具體算法流程如下所示。

        算法:基于層次覆蓋的多層網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)算法:

        輸入:多層網(wǎng)絡(luò)G;

        輸出:網(wǎng)絡(luò)G的社團(tuán)劃分結(jié)果。

        (1)初始化:隨機選取一節(jié)點v加入集合C與集合D中,S為外層節(jié)點集合。

        1)L(C∪{u})>L(C)加入節(jié)點u后,相似性測度L變大;

        2)Lint(C∪{u})>Lint(C)加入節(jié)點u后,社團(tuán)內(nèi)部連接系數(shù)變大。

        (4)若節(jié)點u同時滿足條件1)和2),將u加入到社團(tuán)C中,若節(jié)點u為疑似核心節(jié)點,也將其放入C中,返回第(2)步,直到遍歷所有節(jié)點,L不再變大,再將疑似的核心節(jié)點從C中移除,返回(3)對其進(jìn)行重新判斷。

        (5)合并集合C與集合D,并計算不同層次的模塊度Q。

        2 實驗分析

        2.1 多層網(wǎng)絡(luò)數(shù)據(jù)

        為了測試算法的性能,會用到的不同的多層網(wǎng)絡(luò)數(shù)據(jù)集,下面先來對這些數(shù)據(jù)集做一個簡單的介紹。

        MIT Reality Mining[18]網(wǎng)絡(luò)數(shù)據(jù)集是通過給麻省理工學(xué)院87個移動用戶安裝一個軟件,記錄用戶之間的數(shù)據(jù)交互信息,網(wǎng)絡(luò)的每一層分別代表從現(xiàn)實中采集到的用戶的物理位置、藍(lán)牙交互和通話記錄等用戶之間的互動行為。

        E-mail[19]網(wǎng)絡(luò)數(shù)據(jù)集是一個記錄Enron公司員工之間電子郵件往來的數(shù)據(jù)集,該網(wǎng)絡(luò)有150個節(jié)點,每個節(jié)點代表1個用戶,每條邊代表2個用戶之間發(fā)的一條電子郵件,該網(wǎng)絡(luò)包括用戶之間發(fā)送郵件的時間、發(fā)送主題、發(fā)送者賬戶以及接收者賬戶等。網(wǎng)絡(luò)中的每一層分別代表員工之間的關(guān)系和郵件信息內(nèi)容的相似性。

        IMDB[20]網(wǎng)絡(luò)數(shù)據(jù)集是一個互聯(lián)網(wǎng)電影數(shù)據(jù)集,該數(shù)據(jù)集包含300個節(jié)點,每個節(jié)點代表一個一位演員,每條邊代表這兩個演員一起演了一部戲,該網(wǎng)絡(luò)數(shù)據(jù)集的每一層分別代表第一年演員之間的合作、最后一年演員之間的合作、演員的平均收入和門票賣出的平均數(shù)量。

        在實驗仿真部分,用以上三個多層網(wǎng)絡(luò)數(shù)據(jù)集對算法進(jìn)行測試,測試了算法在三種網(wǎng)絡(luò)上的運行時間,并用模塊度Q[21]來評價社團(tuán)劃分結(jié)果,之后又將該算法與CLECC、CLEDCC兩種算法進(jìn)行了對比,結(jié)果表明本文算法的準(zhǔn)確度更高,運行時間更少。

        2.2 評價標(biāo)準(zhǔn)

        為了評價社團(tuán)劃分的結(jié)果,采用Newman和Girvan提出的模塊度Q。其定義式如下:

        (9)

        圖5 隨著層數(shù)的變化,社團(tuán)數(shù)量的變化

        圖6 隨著層數(shù)的變化,社團(tuán)數(shù)量的變化

        圖7 不同層次的模塊度Q值的變化

        圖5、6代表算法對三種網(wǎng)絡(luò)的劃分隨著層數(shù)的變化,社團(tuán)數(shù)量的變化,其中x軸代表某一層次,y軸代表社團(tuán)數(shù)量。圖7代表不同層次的模塊度Q值的變化,其中x軸代表社團(tuán)數(shù)量,y軸代表模塊度Q值。

        圖8 E-mail網(wǎng)絡(luò)模塊度Q值對比

        圖8和圖9分別是本文算法、CLECC算法以及CLEDCC算法在E-mail網(wǎng)絡(luò)上以及IMDB網(wǎng)絡(luò)上劃分的模塊度Q值的對比,其中x軸代表社團(tuán)數(shù)量,y軸代表模塊度Q值。從圖8可以看出,將E-mail網(wǎng)絡(luò)劃分在24個社團(tuán)左右時,有最大的模塊度Q值,此時的劃分效果較好。從圖9可以看出,將IMDB網(wǎng)絡(luò)劃分在95個社團(tuán)左右時,會得到較為明顯劃分結(jié)果。

        圖9 IMDB網(wǎng)絡(luò)模塊度Q值對比

        由圖8和圖9可以看出,不同算法在E-mail網(wǎng)絡(luò)和IMDB網(wǎng)絡(luò)上的模塊度Q值不盡相同,本文算法相比CLECC算法和CLEDCC算法模塊度更高,劃分也更準(zhǔn)確。

        表1 三種算法運行時間比較(ms)

        表1是本文算法和CLECC、CLEDCC三種算法對三個網(wǎng)絡(luò)劃分時間的對比,可以看出本文算法需要的運行時間更少,效率更高。

        3 結(jié)論與展望

        文中采用RA相似度和一種多層網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)檢測的模型,提出了一種基于層次覆蓋的多層網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)的新算法,并將算法在幾個經(jīng)典的多層網(wǎng)絡(luò)進(jìn)行了性能測試,均取得了不錯的劃分結(jié)果。實驗的后一部分將本文算法與CLECC和CLEDCC兩種算法作了比較,結(jié)果表明,不論在模塊度值還是算法運行效率上都有所提高,避免了沒有直接相連節(jié)點無法正確劃分的情況,避免了對多層網(wǎng)絡(luò)劃分的局部性。

        猜你喜歡
        外層單層相似性
        一種溶液探測傳感器
        傳感器世界(2022年4期)2022-11-24 21:23:50
        二維四角TiC單層片上的析氫反應(yīng)研究
        分子催化(2022年1期)2022-11-02 07:10:16
        一類上三角算子矩陣的相似性與酉相似性
        淺析當(dāng)代中西方繪畫的相似性
        河北畫報(2020年8期)2020-10-27 02:54:20
        基于PLC控制的立式單層包帶機的應(yīng)用
        電子制作(2019年15期)2019-08-27 01:12:04
        單層小波分解下圖像行列壓縮感知選擇算法
        新型單層布置汽輪發(fā)電機的研制
        低滲透黏土中氯離子彌散作用離心模擬相似性
        一種購物袋
        科技資訊(2016年6期)2016-05-14 13:09:55
        專題Ⅱ 物質(zhì)構(gòu)成的奧秘
        天堂8中文在线最新版在线| 一区二区三区免费观看日本| 精品国产粉嫩内射白浆内射双马尾 | 少妇太爽了在线观看免费| 欧美性猛交xxxx三人| 久久久久国色av∨免费看| AV中文码一区二区三区| 国产成人精品久久二区二区91| 久久久久国色av免费观看性色| 亚洲欧美日韩综合久久| 91热视频在线观看| 国产精品自产拍在线18禁| 熟女少妇内射日韩亚洲| 一级免费毛片| 成av人片一区二区三区久久| 日韩精品一区二区在线天天狠天 | 成人做爰69片免费看网站| 四虎无码精品a∨在线观看| 在线成人影院国产av| 人妻丰满熟妇av无码区| 久久尤物AV天堂日日综合| 国产suv精品一区二区69| 国产av天堂亚洲国产av麻豆| 手机免费高清在线观看av| 18精品久久久无码午夜福利| 精品久久综合亚洲伊人| 亚洲二区三区在线播放| 日本女优在线一区二区三区| 国产在线精品一区二区在线看 | 扒开双腿操女人逼的免费视频| 人妻一区二区三区av| 久久国内精品自在自线图片| 国产欧美日韩在线观看一区二区三区| 综合中文字幕亚洲一区二区三区| 中国孕妇变态孕交xxxx| 国产亚洲av片在线观看18女人| 人妻丰满熟妇av一区二区 | 狠狠久久久久综合网| 极品少妇在线观看视频| 国产aⅴ激情无码久久久无码| aaaaa级少妇高潮大片免费看|