论文部分内容阅读
二模网络（又称二分网络）是一类重要的复杂网络，它的特殊性在于由两类节点组成，而不仅仅像单模网络由一种节点构成。二模网络在现实生活中经常出现，它真实而客观的反映了我们生活中的一类网络特点，因此，对二模网络的研究就显得非常有意义和实际价值。 社区发现是网络分析的一个热点问题，也是获得网络信息的重要研究手段。二模网络的社区发现在过去的十几年里得到了初步进展，但是二模网络的整个理论体系还没有完善。本文接下来对二模网络社区发现问题做进一步的研究和探讨，主要有两个方面，取得的创新性成果如下： （1）通过对二模网络社区发现算法的归类与整理，总体来看，可以分为整体社区发现和分类社区发现，并对这些算法做了深入的分析与探讨，并针对社区发现的一个共性问题即社区个数难以确定的问题，对其展开深入研究，并提出了一种新的算法CAA(ClusteringAllocationAlgorithm)，该算法首先从网络的某一类节点出发，找出在该类节点中相似性最小的两个节点，然后将同类节点中与这两个选出的节点相似性大于某个值的节点以及这两个节点去掉，重复上述步骤，直到该类节点全部去掉，然后根据K中心算法将另外一类节点根据亲密度指标将其分配到已有的社区中。实验表明，该算法表现出很高的准确度和模块度值。 （2）二模网络社区发现算法已经取得初步进展，但是很多算法操作起来比较复杂，并且含有参数，考虑到上述的几个问题，本文结合非负矩阵分解的思想，提出了一种基于非负矩阵分解的二模网络社区发现的算法BNMF(BipartiteNonnegativeMatrixFactorization)。该算法首先利用矩阵分解建立优化模型的目标函数，利用块坐标下降方法得到迭代更新公式，即得到两类节点的社区指标矩阵，从而得到二模网络的社区划分。实验证明，该算法能得到很高的准确度和模块度值。