论文部分内容阅读
随着互联网的快速发展，基于Web的社会网络得到快速的传播和普及，它改变着人们的社交和生活习惯，影响着人们的思维方式。面对与日俱增的网络规模，直接对其进行整体分析和研究的难度过大，为了能够有效的对复杂的社交网络进行分析，研究者们往往采用图来表示网络，将各个元素抽象为结点，将元素之间的关系抽象为连接结点的边，网络中的社团结构便由此应运而生，它能有效的揭示网络的功能和行为。社团结构呈现出的特性是:社团内的结点间有着紧密的联系，但社团之间的联系却很稀疏。以社团结构作为研究对象的课题越来越受到关注。
常见的基于社团结构的分析往往是在一个静态图上进行的，它忽略了网络的演变特性，然而在现实的世界中，社交网络是动态演变的，网络中的结点发生改变，结点间的连接情况也发生着变化，社团的出现、消失、扩大、缩小等事件，对于社交网络的发展有着重要的意义。因此，研究随时间演变的网络的动态性已成为学者们研究的热点。
本文针对网络动态演变这一特性，提出了基于结构相似性的动态社团发现算法CSDA。文中首先提出了基于结构相似度的聚类算法基于静态社交网络的应用，该算法以模块性的增益为指标，迭代的查找和划分结点的紧密结点对，直至所有的结点都被划分到社团中。然后，对于动态的社交网络，通过将其建模成不同时刻的网络序列，并对任意时刻的网络应用基于结构相似度的聚类算法来得到该时刻的过程社团集合，然后依据定义的社团演变事件，计算过程社团与前一时刻时间序列的社团集合的相似度，最终得到其社团演变的轨迹。
文中通过在真实的数据集上进行实验分析，验证算法的有效性，并给出了在真实数据集上的应用示例。