动态社会网络的社团结构检测与分析

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

动态社会网络的社团结构检测与分析

刘瑶, 王瑞锦, 刘峤, 秦志光

文章导航 > 电子科技大学学报 > 2014 > 43(5): 724-729

刘瑶, 王瑞锦, 刘峤, 秦志光. 动态社会网络的社团结构检测与分析[J]. 电子科技大学学报, 2014, 43(5): 724-729. doi: 10.3969/j.issn.1001-0548.2014.05.016

引用本文:

刘瑶, 王瑞锦, 刘峤, 秦志光. 动态社会网络的社团结构检测与分析[J]. 电子科技大学学报, 2014, 43(5): 724-729. doi: 10.3969/j.issn.1001-0548.2014.05.016

LIU Yao, WANG Rui-jin, LIU Qiao, QIN Zhi-guang. Community Detecting and Analyzing in Dynamic Social Networks[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(5): 724-729. doi: 10.3969/j.issn.1001-0548.2014.05.016

Citation:

LIU Yao, WANG Rui-jin, LIU Qiao, QIN Zhi-guang. Community Detecting and Analyzing in Dynamic Social Networks[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(5): 724-729. doi: 10.3969/j.issn.1001-0548.2014.05.016

动态社会网络的社团结构检测与分析

doi: 10.3969/j.issn.1001-0548.2014.05.016

1.
电子科技大学计算机科学与工程学院成都 610054

基金项目:

国家高技术研究发展计划主题项目(2011AA010706); 国家自然科学基金(61133016); 中央高校基本科研业务费专项资金(ZYGX2012J067)

作者简介:
刘瑶(1978-),女,博士生,主要从事网络分析,信息安全方面的研究.

中图分类号: TP301

Community Detecting and Analyzing in Dynamic Social Networks

1.
School of Computer Science and Engineering,University of Electronic Science and Technology of China Chengdu 610054

摘要: 真实社会网络如邮件、科学合作、对等网络等均可以用图进行建模. 近年来, 基于图的社团挖掘吸引了人们越来越多的研究兴趣, 它不仅可以帮助识别网络的整体结构, 还可以发现社团演变的隐藏规律. 尽管使用静态图进行社团挖掘已经被广泛采用, 但基于动态图的研究还比较少. 通过使用时间序列, 对动态图上的社团挖掘包括社团检测与分析进行研究, 提出了一个新的动态社团结构检测模型, 并采用真实网络数据集进行了实验. 实验结果显示该模型在社团结构发现的有效性和效率性方面均有着良好的表现.
- 社团检测 /
- 动态图 /
- 动态社会网络 /
- 模块度 /
- 时间序列
Abstract: Real networks such as e-mail, co-author and peer-to-peer networks can be modeled as graphs. Community mining on graphs has attracted more and more attentions in recent years. It not only can help to identify the overall structures of networks, but also can help to discover the latent rules of community evolution. Community mining on dynamic graphs has not been studied thoroughly, although that on static graphs has been exploited extensively. Based on time-sequence, the community mining including community detection and analysis on dynamic graphs is researched in this paper. And a two-step model is presented to discover the dynamic community structure. The effectiveness and efficiency of the model are validated by experiments on real networks. Results show that the model has a good trade-off between the effectiveness and efficiency in discovering communities.
- community detecting /
- dynamic graphs /
- dynamic social networks /
- modularity /
- time sequence

[1]	陈欣, 李闯, 金凡. 量子自注意力神经网络的时间序列预测 . 电子科技大学学报, 2024, 53(1): 110-118. doi: 10.12178/1001-0548.2022340
[2]	肖婧, 邹雨承, 吴双, 许小可. 基于模体的模块度优化高阶社区检测算法 . 电子科技大学学报, 2023, 52(4): 631-640. doi: 10.12178/1001-0548.2022111
[3]	杨骏, 敬思远, 钟勇. 面向时间序列有序分类的Shapelet抽取算法 . 电子科技大学学报, 2023, 52(6): 887-896. doi: 10.12178/1001-0548.2022278
[4]	张凤荔, 王雪婷, 王瑞锦, 汤启友, 韩英军. 融合动态图表示和自注意力机制的级联预测模型 . 电子科技大学学报, 2022, 51(1): 83-90. doi: 10.12178/1001-0548.2021100
[5]	李海林, 张丽萍. 时间序列数据挖掘中的聚类研究综述 . 电子科技大学学报, 2022, 51(3): 416-424. doi: 10.12178/1001-0548.2022055
[6]	王辰曦, 张智成, 袁晨, 蔡世民. 基于高考录取成绩的院校竞争网络实证研究 . 电子科技大学学报, 2022, 51(3): 473-480. doi: 10.12178/1001-0548.2021207
[7]	李海林, 贾瑞颖, 谭观音. 基于K-Shape的时间序列模糊分类方法 . 电子科技大学学报, 2021, 50(6): 899-906. doi: 10.12178/1001-0548.2020380
[8]	杨文忠, 张志豪, 吾守尔·斯拉木, 温杰彬, 富雅玲, 王丽花, 王婷. 基于时间序列关系的GBRT交通事故预测模型 . 电子科技大学学报, 2020, 49(4): 615-621. doi: 10.12178/1001-0548.2019151
[9]	范如国, 杨维国, 张应青, 崔迎迎. 社会困境下双重度偏好社团网络合作涌现研究 . 电子科技大学学报, 2018, 47(6): 943-952. doi: 10.3969/j.issn.1001-0548.2018.06.023
[10]	王菊, 刘付显. 一种面向动态网络的社团检测与演化分析方法 . 电子科技大学学报, 2018, 47(1): 117-124. doi: 10.3969/j.issn.1001-0548.2018.01.018
[11]	李海林, 万校基. 基于簇中心群的时间序列数据分类方法 . 电子科技大学学报, 2017, 46(3): 625-630. doi: 10.3969/j.issn.1001-0548.2017.03.024
[12]	陈俊周, 汪子杰, 陈洪瀚, 左林翼. 基于级联卷积神经网络的视频动态烟雾检测 . 电子科技大学学报, 2016, 45(6): 992-996. doi: 10.3969/j.issn.1001-0548.2016.06.020
[13]	王文旭. 网络重构——复杂网络的反问题: 从时间序列重构网络拓扑和权重 . 电子科技大学学报, 2013, 42(1): 3-4. doi: 10.3969/j.issn.1001-0548.2013.01.002
[14]	张聪, 沈惠璋. 网络自然密度社团结构模块度函数 . 电子科技大学学报, 2012, 41(2): 185-191. doi: 10.3969/j.issn.1001-0548.2012.02.003
[15]	黄建国, 罗航, 王厚军, 龙兵. 运用GA-BP神经网络研究时间序列的预测 . 电子科技大学学报, 2009, 38(5): 687-692. doi: 10.3969/j.issn.1001-0548.2009.05.028
[16]	梁冰, 刘群. 基于自动机模型数据关联性能评估算法 . 电子科技大学学报, 2008, 37(4): 606-609,629.
[17]	王金龙, 徐从富, 徐娇芬, 骆国靖. 利用销售数据的商品影响关系挖掘研究 . 电子科技大学学报, 2007, 36(6): 1282-1285.
[18]	周巧临, 傅彦. 科学数据时间序列的预测方法 . 电子科技大学学报, 2007, 36(6): 1260-1263.
[19]	范胜林, 赵伟, 袁信. 整周模糊度动态快速求解 . 电子科技大学学报, 2005, 34(1): 89-93.
[20]	陈羽中. 同态滤波在扭矩载荷识别中的应用 . 电子科技大学学报, 1999, 28(3): 269-272.

WeChat

点击查看大图

计量

文章访问数: 3563
HTML全文浏览量: 140
PDF下载量: 126
被引次数: 0

动态社会网络的社团结构检测与分析

doi: 10.3969/j.issn.1001-0548.2014.05.016

1. 电子科技大学计算机科学与工程学院成都 610054

基金项目:

国家高技术研究发展计划主题项目(2011AA010706); 国家自然科学基金(61133016); 中央高校基本科研业务费专项资金(ZYGX2012J067)

作者简介:
刘瑶(1978-),女,博士生,主要从事网络分析,信息安全方面的研究.

收稿日期: 2013-03-20
修回日期: 2014-03-19
刊出日期: 2014-10-15

中图分类号: TP301

关键词:

摘要: 真实社会网络如邮件、科学合作、对等网络等均可以用图进行建模. 近年来, 基于图的社团挖掘吸引了人们越来越多的研究兴趣, 它不仅可以帮助识别网络的整体结构, 还可以发现社团演变的隐藏规律. 尽管使用静态图进行社团挖掘已经被广泛采用, 但基于动态图的研究还比较少. 通过使用时间序列, 对动态图上的社团挖掘包括社团检测与分析进行研究, 提出了一个新的动态社团结构检测模型, 并采用真实网络数据集进行了实验. 实验结果显示该模型在社团结构发现的有效性和效率性方面均有着良好的表现.

English Abstract

刘瑶, 王瑞锦, 刘峤, 秦志光. 动态社会网络的社团结构检测与分析[J]. 电子科技大学学报, 2014, 43(5): 724-729. doi: 10.3969/j.issn.1001-0548.2014.05.016

引用本文:

刘瑶, 王瑞锦, 刘峤, 秦志光. 动态社会网络的社团结构检测与分析[J]. 电子科技大学学报, 2014, 43(5): 724-729. doi: 10.3969/j.issn.1001-0548.2014.05.016

LIU Yao, WANG Rui-jin, LIU Qiao, QIN Zhi-guang. Community Detecting and Analyzing in Dynamic Social Networks[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(5): 724-729. doi: 10.3969/j.issn.1001-0548.2014.05.016

Citation:

LIU Yao, WANG Rui-jin, LIU Qiao, QIN Zhi-guang. Community Detecting and Analyzing in Dynamic Social Networks[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(5): 724-729. doi: 10.3969/j.issn.1001-0548.2014.05.016

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发