关键词： 深度学习   社区预测   深度自编码   动态网络   聚类  

摘要： 随着互联网的不断发展,人们之间的联系更加紧密,导致个体意识的弱化,团队能力的增强,逐渐形成以不同属性为的社区为基础组成庞大的社交网络。社交网络中往往表现为社区内部关系非常的密切,而社区与社区之间的关系非常的稀疏。社区检测是逆化社区形成的过程,从复杂的社交网络中识别出内部联系紧密的社区结构。然而,现实社会中社交网络的结构不是固定不变的,它是随着时间而不断的改变。基于动态网络的社区检测,以及预测社区的演化预测,在研究社交网络结构上具有重要的意义。传统社区检测方法中,大部分涉及到网络的静态快照,没有反映出社区在多个快照上的动态变化。本文的研究主要内容是将社区中的动态变化纳入分析可以预测网络演变的趋势,将动态网络中节点的拓扑结构、文本信息等等相结合,基于表征学习来提高社区检测的效果,以及增加时间分析增强社区演化预测的效果。首先,我们研究了在动态网络中的社区检测问题,并提出了一种新的基于图卷积网络的多元表征学习算法DGAE（Dynamic graph Auto-encoder）。在连续时间序列中,将动态网络中多个时间戳下的用户关系以及文本内容嵌入到时间共享矩阵（Temporal Shared feature matrix）中,并通过使用图卷积网络来学习通过文本信息相关联的用户之间的潜在表征。结合用户的多种信息,来提高社区检测的准确度,最后通过聚类来获得所需时间戳动态网络的社区网络结构。其次,我们研究动态网络中的社区预测问题,提出了一种加入时间分析的深度自编码网络TDAE（Temple deep Auto-encoder）。将动态网络中的多个时间戳下共享矩阵重新嵌入到时间共享矩阵（Temporal Shared feature matrix）中。通过重构的深度自编码学习,从而获得含有社区演化信息的潜在表征,获得的潜在表征中学习了网络的特征以及连续变化网络的时间演化特征,则解码后的网络可以作为社区演化的预测,最后通过聚类最终获得对未来社区结构的预测结果。本文通过两个Synthetic dataset和一个ar Xiv dataset作为数据集来验证算法效果,通过Jaccard相似系数和Purity纯度系数两个指标对DGAE和TDAE算法评估。实验表明,本文提出的DGAE算法与社区检测基准算法相比较,DGAE算法具有较高的准确性和较少的时间消耗。本文提出的TDAE算法与社区检测基准算法比较,TDAE算法具有有效的社区演化预测,与社区预测基准算法比较,具有较好的准确性。

关键词： 本地化差分隐私   社交网络   关系数据   层次结构   社团检测  

摘要： 随着社交网络服务的普及,各类社交媒体可以从用户端获取大量个人数据和相关信息以进行数据挖掘和分析,但同时也带来隐私泄露风险,因此个人隐私保护问题变得越来越重要。当前,差分隐私作为一种经过严格理论验证和数学证明的隐私保护模型,在许多领域都引起了人们的关注和研究。但是,针对社交网络中关系数据的隐私保护仍处于初级阶段,且现有的差分隐私发布技术主要集中在中心化模型上,即数据收集者默认可信,然而这样的假设已不符合现实情况。为了解决上述问题,本文提出以下两部分研究内容:(1)本文提出使用满足本地化差分隐私的分层随机图模型进行隐私保护。首先,为了达到保护隐私同时不失去效用性的目的,本文通过将原始网络转换为分层随机图模型来保留统计特征,将原有评价指标结合指数机制形成新的模型选择方案,择优选择最终的模型结构;然后,将获得的模型与添加拉普拉斯噪声的连接概率结合,以获得一个噪声网络以供发布,模型的迭代选择过程中借鉴蒙特卡洛马尔可夫链方法提高了效率和准确性;此外,还提出应用预测模型来补充丢失连接。本文对所提出算法进行了理论证明和实验验证。(2)本文提出了一种基于Louvain算法的本地化差分隐私社团检测算法。在Louvain算法的第一阶段,本文引入了指数机制,并结合了模块度增益来确定节点所属的社团;当获得社团时,社团内的边连接关系更加紧密,因此需要提供进一步的隐私保护,本文采用分层随机图模型来根据边连接概率对图的结构信息进行编码,从而将每个社团转换为分层随机图模型;然后将生成的分层随机图模型与添加拉普拉斯噪声的边连接概率相结合获得加入噪声的网络结构。本文在不同规模的数据集上对所提出的算法进行验证,结果表明本文提出的算法在满足差分隐私条件的同时保留了一定的效用。

关键词： 复杂网络   社团结构   聚类检测   节点特性  

摘要： 随着现代网络世界的快速普及,数据挖掘技术也越来越成熟。在此条件下,复杂网络成为了数据挖掘范畴内的热门研究课题。而复杂网络这一课题当中的热点话题之一就是社团检测,聚类分析是其探究的主要技术手段。对复杂网络中的社团结构进行分析可以协助研究人员更深刻地理解复杂网络的结构性能及其演化过程。论文中具体论述了复杂网络的网络模型、聚类分析的基本概念以及常见的社团检测算法。在对复杂网络中的结构和性能进行分析、研究之后,论文针对复杂网络节点特性提出了两个性能更优的社团检测算法,并将其成功地应用到图聚类中。(1)提出了一个基于节点邻近度的社团检测算法—CS-Cluster。该算法用于对带有语义信息的节点进行聚类检测。经过研究发现,大部分复杂网络中的社团检测算法都是在节点拓扑结构方面进行研究、分析而提出的,它们忽略了节点自身的语义特性,这就导致社团检测的结果不准确。基于此现象,论文提出了一个新的概念(节点邻近度)来完成节点间的相异度计算;引入关联度和匹配度的概念完成节点间结构相异度的计算;之后重新定义了初始聚类中心点的选取规则。该方法避免了人为判断带来的弊端,提高了聚类的精确性。最后,CS-Cluster算法使用K-Medoids算法框架完成社团划分,在两个数据集上进行实验,并表明CS-Cluster取得了较好的聚类效果。(2)提出了一个基于节点核心度的重叠社团检测算法—NCD算法。论文首先提出了节点核心度的概念;其次通过使用中心点可扩展原则,依据网络中节点之间能否可以构建三角模型的判定依据,对网络进行初步的重叠社团检测;最后在划分好的社团的基础上对重叠节点进行识别。论文将NCD算法应用在三个标准数据集上进行实验,使用NMI和模块度来对实验结果进行评价。实验结果表明NCD算法可以有效实现重叠社团的检测。

关键词： 社团检测   偏置   随机游走   信号传播   社团结构  

摘要： 复杂网络是从大量现实存在的复杂系统中抽象得到的,网络的整体功能体现在网络中节点间的相互作用上,社团结构是其关键性结构特征。社团对应于系统的功能模块,提取网络的功能模块有助于深层探究复杂网络的内部规律,从复杂网络中检测社团结构具有重要的理论研究意义和实用价值。因此,很多研究者对社团检测进行了研究,进而提出了很多社团检测算法,如基于模块度优化的社团检测算法、基于标签传播的社团检测算法、基于随机游走的社团检测算法等。在对这些算法进行充分研究的基础上,通过模拟随机游走的过程,结合信号传播过程中随着传播距离的增大,信号量会缓慢衰减的思想,提出了一种带偏置的信号传播机制的随机游走的社团检测算法。该算法从网络中选取一个节点作为信号源,随机选择与其相邻的节点作为下一跳节点,将衰减后的信号量传递到该节点,依次迭代并传递信号。考虑到信号的衰减,为每条边设置偏置,对信号传播过程进行限定。通过模拟信号的传播,将网络的每个顶点作为信号源来重复这一过程,得到传播矩阵。然后,为每个顶点添加自环,并结合邻接矩阵以及顶点间的相似性,形成具有新属性的相似性矩阵。根据新属性矩阵和传播矩阵为每个顶点构造属性。最后,使用k-means算法进行聚类,得到高质量的社团结构。为了验证该方法的性能,在10个实际网络数据集以及不同规模的人工合成网络上进行实验。实验结果充分证明,所提算法能够从网络中提取出高质量的社团结构,从而有效地为社团检测领域提供依据。

关键词： 复杂网络   重叠社团   从属度树   分层网络  

摘要： 重叠社团检测一直是复杂网络研究领域的重点和难点。由于真实网络普遍存在层次结构,结合层次性的重叠社团检测方法将更适用于现实世界复杂网络的研究分析,但目前这类方法的研究还比较少。因此,在定义复杂网络节点领导度、从属度概念的基础上,结合网络层次性建立数学模型,提出了新颖的从属度树检测重叠社团算法。该算法根据从属度值建立从属度树,通过划分树发现重叠节点和重叠社团。在人工网络实验中证明了从属度树算法可以结合层次性发现重叠节点,在Dolphin网络和Karate网络上的实验验证了其检测重叠社团结果的可靠性。与已有一些算法比较的结果表明,从属度树算法能找到其他算法不能找到的重叠节点,以扩展模块度和实际社团结构作为从属度树算法划分重叠社团结果的评价指标。新算法的扩展模块度值大于对比算法,社团划分结果更接近实际社团结构。

关键词： 学习共同体   协作探究   自主自治   社团学习  

摘要： 学生社团是学校学生组织的重要组成部分,如何通过社团工作提高人才培养质量,提供相关学生的学习效果,是近些年教育者关注和思考的问题。本文提出学生社团与学习共同体相结合的理念,阐述了学生社团与学习共同体的特点与切合点,提高相关学生的学习力,以及如何检测由此产生的学习效果等问题。

关键词： 世界贸易   网络分析   社团检测   中国  

摘要： 随着网络分析方法的发展,利用社团检测和社交网络分析研究世界贸易网络成为当前重要的前沿问题。但目前国内外的研究多为短期尺度,中长期尺度研究亟需更新。当前世界经济发展不确定性要素增多,“一带一路”建设正进入深耕细作的阶段,分析20世纪80年代以来国际政治经济局势的转变以及发达国家与发展中国家的地位更替的长尺度变化,有利于揭示世界贸易网络的中长期演变趋势,并为中国“一带一路”建设提供历史启示。论文主要基于国际货币基金组织(IMF)的贸易方向统计数据库(DOTS),首先总结了1980—2018年世界贸易发展3大历史阶段的基本特征,然后研究了20世纪80年代以来的世界贸易网络中组团及国家地位的演变。研究发现:①世界政治经济格局变化和技术进步对世界贸易网络影响深远。20世纪80年代以来资本主义的生产方式由福特制向后福特制的转变、新自由主义的推广、数字技术的大规模发展以及发展中国家的崛起对全球贸易空间格局产生了深远的影响,中国的崛起是全球贸易网络变化重要的力量。②从Top1贸易网络上看,世界贸易格局呈现出“稳中有变”的演化趋势。世界贸易网络中,欧洲部分的德国、法国和俄罗斯组团相对稳定,而英国和意大利组团地位不断下降;美国主导了亚太部分,澳大利亚组团较为稳定,日本组团地位下降。③印度、巴西和南非等发展中国家的崛起,导致世界经济和贸易格局的重大变化,这些国家近年来成为了新兴的区域性贸易中心。④随着经济高速发展,中国在世界贸易中的地位迅速上升,成为了超过美国的世界贸易组团核心。最后,简要讨论了中长期尺度贸易网络研究对“一带一路”建设的历史启示。

关键词： 符号网络   社团检测   非负矩阵分解  

摘要： 现实情况中的许多系统都可以用复杂网络来表示,例如电力网络、社交网络、交通网络等。其社团结构属性作为复杂网络中最重要的属性之一已经引起了广泛的关注和发展。符号网络作为复杂网络的重要分支,因为其中负关系的存在使得它比普通的复杂网路可以表示更多的信息。但是目前基于符号网络的社团检测发展还很有限。利用非负矩阵分解的思想来进行符号网路的社团检测,并在人工生成的数据集进行实验,验证所提出的算法的有效性和准确性。

关键词： 重叠社团结构   社团检测   社团结构分析   复杂网络   群体智能  

摘要： 社团结构分析是复杂网络研究的一项重要内容,基于群体智能思想提出了一种自组织的重叠社团结构分析算法SO^2CSA^2。把网络视为一个群体,网络节点是其中的一个个具有简单智能的个体,每个个体依据定义的社团连接分数自主决定要加入的社团(可同时加入多个社团)。在网络中寻找一组K-派系作为初始社团结构,所有个体迭代地选择其社团归属,最终整个网络的社团结构将逐渐生长出来。最后对获得的社团结构进行后处理,即调整少量节点的社团归属,以提高其质量。在一组合成网络和现实世界网络上的实验表明,SO^2CSA^2发现的社团结构的质量比两种对比算法(SLPA和OSLOM)更好,尤其是在网络中重叠节点较多或节点重叠度较大的情况下,社团结构质量的提升更为明显。

关键词： 社会网络   个人意愿   社团检测   重叠社团   信息传播  

摘要： 个人意愿对于形成网络社团和传播信息有着重要的影响力,因此本文提出一种基于个人意愿的社团结构与信息检测方案.该方案中的社团检测算法初次检测以融入节点属性的模块度,再次检测以兴趣度并能发现重叠社团,最后精细检测以个人意愿,本文社团检测算法(ε_CSDA)较之前的算法更有效的是可以发现重叠社团;同时,该方案建立的信息传播模型在指数模型基础上构建边特征向量(边属性)、节点特征向量(节点属性)和意愿向量(用户意愿、社团意愿和节点意愿),并以传播概率和传播延迟构建模型基本关系,从而使得该模型实现了基于个人意愿的信息传播.实验结果表明,加入个人意愿的社团检测和信息传播方案,能够保证社团检测的有效性和实用性,能够实现用户间信息传播的主动性和可靠性.