《層次粒化的不確定多態網路重疊社區發現方法研究》是依託太原理工大學，由張澤華擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：層次粒化的不確定多態網路重疊社區發現方法研究
- 項目類別：青年科學基金項目
- 項目負責人：張澤華
- 依託單位：太原理工大學
項目摘要,結題摘要,
項目摘要
大數據研究的興起使得現實具有複雜關聯的網路社區挖掘問題成為前沿熱點。但當前社區挖掘研究多基於經典圖論，忽略節點和連結的屬性關聯。面對不確定多態網路的多源異構、節點隸屬模糊、屬性信息粗糙等特徵，已有方法無法解決這種不確定網路社區發現問題。本項目以社區擴張算法為依託，結合粒計算層次粒化思想，有效利用多態網路的節點屬性和連結結構特徵，提出大規模多態網路的快速社區啟發式算法。根據社區穩定性度量進行社區隸屬分析，給出初始社區的粗粒度描述。通過對個體屬性及其結構關係分析對網路進行層次粒化，提出基於屬性和連結整合的社區穩定性度量來有效評價重疊區域，並構建層次粒化的多態網路重疊社區發現方法來全面準確地描述多態網路的不確定狀態，挖掘網路的重疊社區。項目從算法設計、理論證明、性能指標、綜合測試多方面進行研究，形成多態網路社區結構粒化的理論和方法體系，順應網路經濟時代需求，推動社區發現研究，拓展粒計算套用領域。
結題摘要
圖挖掘技術作為近年來在知識發現領域興起的一類面向大規模複雜結構數據的有效分析手段，其中社區發現方法現被廣泛用於解決現實複雜系統中具有複雜關聯的海量數據挖掘問題，如社會網路、感測網路、腦功能網路等。但現實中的複雜數據往往具有海量、多源異構、複雜關聯等特徵，甚至包含大量不確定信息甚至是噪聲。本課題將層次粒化的方法用於多態網路社區發現問題研究。緊密圍繞多態網路海量、多源異構且包含不確定信息的特徵開展研究。將粒計算與社區發現方法結合，通過多視角、多層次、多粒度網路社區發現的粒化分析方法，從中挖掘不同粒度層次的結構與屬性關聯，最終建立多粒度計算模型來對複雜多態網路社區不確定性問題進行高效的結構化分析與求解。 本項目以社區發現算法為依託，結合粒計算層次粒化思想，針對多態網路中個體和連結均具有屬性的複雜特徵，通過梳理當前重疊社區發現方法的進展。在理論上，提出一種面向大規模多態網路層次粒化社區發現方法，給出相應的多態網路社區穩定性度量評價；技術上，構建複雜數據背景下基於局部非對稱三角化的多態網路多粒度粗糙計算模型，初步設計並實現一個面向大規模複雜多態網路的評測；套用上，將提出的複雜多態網路的多粒度建模與分析方法套用於解決社交網路重疊社區發現、異構物聯網的網路最佳化和多態腦網路的網路知識發現的現實問題。 綜上所述，結合智慧型計算領域的先進成果，通過有效利用多態網路的屬性信息，消除不確定信息帶來的影響。均衡全局與局部結構特徵和有效利用網路屬性信息，智慧型化的提升不確定性環境中的社區探測能力。本課題研究不但為具有複雜特徵的網路知識發現問題求解提供理論支持，推動具有先進智慧型的社區發現技術發展，還可進一步豐富和完善粒計算的理論體系。現實的套用也表明可以增強粒計算相關方法對複雜問題的分析與建模能力，拓展了實際套用領域。
