《複雜網路半監督社區發現方法研究》是依託河南師範大學，由劉棟擔任項目負責人的聯合基金項目。
基本介紹
- 中文名：複雜網路半監督社區發現方法研究
- 項目類別：聯合基金項目
- 項目負責人：劉棟
- 依託單位：河南師範大學
項目摘要,結題摘要,
項目摘要
社區發現是複雜網路的一個重要研究方向。利用少量先驗知識指導社區識別是社區發現方法的一種新模式,但目前基於該模式的方法大多存在未處理噪音先驗、計算開銷大等問題。針對這些問題，本項目借鑑基於圖的半監督學習理論，融合已知頂點標籤和網路拓撲結構對社區發現方法進行研究：分析複雜網路頂點相似性度量指標，提出複雜網路頂點標籤轉移權重的構建方法，使標籤傳播行為模式適合社區發現任務；運用修正社區邊緣頂點標籤、增加偽標籤使各社區內標籤均衡以及過濾錯誤頂點標籤等策略，提出噪音標籤甄別和修正方法，從而降低噪音標籤對社區發現算法的干擾；結合大規模網路社區發現的套用需求，提出一類時間複雜度為近線性的半監督社區發現算法，並對算法的性能在大規模真實網路中進行測試和驗證。該研究不僅能豐富社區發現方法體系，而且在生物學、社會學以及經濟學等諸多領域具有廣闊的套用價值。
結題摘要
社區結構是複雜網路中的重要屬性，在真實網路中普適存在。如何挖掘社區結構以及分析社區結構特性是近幾年網路科學領域的研究重點。利用少量先驗知識指導社區識別是提升社區識別精度的重要模式，但目前基於該模式的方法大多存在未處理噪音先驗、計算開銷大等問題。因此，對半監督社區發現方法以及社區結構特性的進行深入研究，具有重要的理論價值和現實意義。 本課題研究的重點是如何設計魯棒並快速的半監督社區發現方法，並分析社區結構對網路的影響。需要研究並解決的主要問題有四個方面： 1）網路中社區個數的估計以及負向標籤的處理方法；2）提出噪音標籤甄別和修正方法，從而降低噪音標籤對社區發現算法的干擾；3）提出一類時間複雜度為近線性的半監督社區發現算法；4）研究社區結構與重要性節點以及信息傳播之間的關聯特徵。基於本項目的研究成果，已經在重要國際會議和期刊發表（已接受）9篇學術論文，其中SCI檢索7篇；另外有3篇已投相關SCI期刊，狀態為小修；申請發明專利1項；培養碩士研究生8名。
