基于异构社会网络检测的muturank算法的研究.pdf

分类号： 密 级：
U D C： 学 号： 6120 110 167




硕 士 学 位 论 文

基于异构社会网络检测的 MutuRank 算法的研究
MutuRank algorithm Based on the research of
heterogeneous social network analysis

学 位 类 别：_____ 工学硕士__ ___

作 者 姓 名： 朱桂祥

学 科、专 业： 计算应用技术

研 究 方 向： 数据挖掘

指 导 教 师： 喻金平 (教授)




2014 年 6 月 2 日
江西理工大学硕士学位论文 摘要
摘 要
社区检测是近几年数据挖掘研究领域的一个热点问题，随着网络社区的快速发展，大
量的研究人员都致力于社区检测的研究。社区检测研究的主要内容是对网络中存在的关系
进行分析研究，从而帮助人们了解社区网络的组织结构，并能挖掘出社区中潜在的大量信
息。在现实世界中的社会网络大部分是以多关系的形式存在的，所以随着社区检测的深入
研究，社会网络大部分是以多关系的形式存在的，所以随着社区的概念被提出，异构社会
网络分析受到越来越多的学者关注。现实生活中异构社会网络是普遍存在的，如科研合作
网络、社交网络、医疗健康网络等。随着大数据时代的来临，如何处理这些大规模复杂的
异构网络结构已经是一个挑战性的难题。
目前，关于社区检测已经有很多研究成果，但是大多数是集中于“单关系社会网络”的研
究。就异构社会网络而言，一个热门的方法是检测前首先将异构网络融合成单关系网络。
目前，已有的研究普遍认为异构网络中不同的关系是相互独立的，平等对待的，实际上这
在现实生活中是不合理的，因此本文的第一个创新点是提出了一个“MutuRank”的联合排名
模型，它充分利用了节点和关系的相互影响，把异构网络融合成单关系网络。在谱聚类方
面，本文提出了一个结合近邻知识的 GMM-NK(Gaussian Mixture Model with Neighbor
Knowledge)用于社区检测，这是本文另外一个创新点。
本文的主要工作如下:
(1) 本文首先介绍了社会网络的发展和基本概念，接着介绍了社区检测的研究现状和研究
意义，并对已有的社区检测算法的优缺点进行了具体的分析和比较，针对异构社会网
络提出了一个联合排名模型“MutuRank”，并假设不同关系之间不是独立的，利用节点
和关系之间的相互影响来迭代计算关系的权重，得到关系的均衡分布，最终将异构网
络融合成单关系网络。
(2) 在社区检测方面，本文提出一个基于 GMM (Gaussian Mixture Model)改进的 GMM-NK
算法。利用 GMM-NK 算法对 MutuRank 合成的“单关系网络”做谱聚类分析，相比于传
统的 GMM 算法，GMM-NK