目錄
前言
第1章 引言 1
參考文獻(xiàn) 3
第2章 社區(qū)分析基本知識(shí) 4
2.1 社區(qū)發(fā)現(xiàn)的原理 4
2.1.1 社區(qū)的定義 4
2.1.2 社區(qū)發(fā)現(xiàn)的方法分類 6
2.1.3 計(jì)算復(fù)雜度 8
2.2 數(shù)據(jù)集與算法的評(píng)價(jià)指標(biāo) 9
2.2.1 經(jīng)典數(shù)據(jù)集 9
2.2.2 人工數(shù)據(jù)集產(chǎn)生 13
2.2.3 評(píng)價(jià)指標(biāo) 15
參考文獻(xiàn) 21
第3章 社區(qū)發(fā)現(xiàn)經(jīng)典算法 24
3.1 傳統(tǒng)基于圖分割和譜分析的社區(qū)發(fā)現(xiàn)算法 25
3.1.1 Kernighan-Lin 算法 25
3.1.2 譜劃分 27
3.2 基于圖聚類的社區(qū)發(fā)現(xiàn)算法 32
3.2.1 主要聚類方法分類 32
3.2.2 基于劃分聚類的社區(qū)發(fā)現(xiàn)算法 34
3.2.3 基于層次聚類的社區(qū)發(fā)現(xiàn)算法 37
3.2.4 基于密度聚類的社區(qū)發(fā)現(xiàn)算法 38
3.3 社區(qū)評(píng)估指標(biāo)及目標(biāo)優(yōu)化常用方法 41
3.3.1 單目標(biāo)優(yōu)化——模塊度最優(yōu)化算法 43
3.3.2 多目標(biāo)優(yōu)化算法 54
3.4 基于信息論和概率的社區(qū)發(fā)現(xiàn)算法 63
3.4.1 標(biāo)簽傳播算法 63
3.4.2 信息編碼算法 67
3.4.3 貝葉斯概率模型 71
3.4.4 基于隨機(jī)游走模型的圖分割 74
3.5 基于物理模型的社區(qū)發(fā)現(xiàn)算法 76
3.5.1 派系過濾算法 76
3.5.2 電阻網(wǎng)絡(luò)電壓譜分割方法 79
3.5.3 自旋模型 79
3.5.4 基于拓?fù)鋭莸木W(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)方法 81
參考文獻(xiàn) 83
第4章 社區(qū)發(fā)現(xiàn)的新興方法 86
4.1 非重疊社區(qū)發(fā)現(xiàn)方法 86
4.1.1 基于多目標(biāo)的社區(qū)發(fā)現(xiàn)方法 86
4.1.2 基于遺傳算法的社區(qū)發(fā)現(xiàn)方法 88
4.1.3 基于穩(wěn)定度的社區(qū)發(fā)現(xiàn)方法 89
4.1.4 基于后驗(yàn)方法的社區(qū)發(fā)現(xiàn)方法 90
4.1.5 基于截?cái)郟ageRank 的社區(qū)發(fā)現(xiàn)方法 91
4.1.6 基于果蠅爬山策略的社區(qū)發(fā)現(xiàn)方法 93
4.1.7 基于密度的社區(qū)發(fā)現(xiàn)方法 93
4.1.8 基于動(dòng)態(tài)距離學(xué)的社區(qū)發(fā)現(xiàn)方法 93
4.1.9 其他社區(qū)發(fā)現(xiàn)方法 96
4.2 重疊社區(qū)發(fā)現(xiàn)方法 96
4.2.1 重疊社區(qū)發(fā)現(xiàn)的定義及相關(guān)概念 96
4.2.2 結(jié)合隱式鏈接偏好的重疊社區(qū)發(fā)現(xiàn)方法 97
4.2.3 利用鏈路空間變換的重疊社區(qū)發(fā)現(xiàn) 101
4.2.4 從局部譜子空間檢測重疊社區(qū)方法 109
4.2.5 重疊社區(qū)檢測的局部種子選擇方法 109
4.2.6 基于邊聚類的重疊社區(qū)發(fā)現(xiàn)方法 110
4.2.7 基于最大團(tuán)的重疊社區(qū)發(fā)現(xiàn)方法 111
4.3 屬性網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)方法 112
4.3.1 屬性網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)研究綜述 112
4.3.2 基于數(shù)據(jù)融合角度的大規(guī)模網(wǎng)絡(luò)重疊社區(qū)發(fā)現(xiàn)方法 122
4.3.3 屬性網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)的其他方法 123
4.4 本章小結(jié) 124
參考文獻(xiàn) 124
第5章 虛擬社區(qū)演化 127
5.1 動(dòng)態(tài)網(wǎng)絡(luò) 127
5.1.1 動(dòng)態(tài)網(wǎng)絡(luò)分析 127
5.1.2 動(dòng)態(tài)社區(qū)發(fā)現(xiàn)與社區(qū)演化 127
5.2 社區(qū)演化模型 128
5.2.1 基于核節(jié)點(diǎn)的社區(qū)演化模型 128
5.2.2 帶權(quán)社區(qū)的涌現(xiàn)模型 130
5.2.3 基于圖模體的GMM 132
5.3 演化社區(qū)發(fā)現(xiàn)算法 133
5.3.1 基于動(dòng)態(tài)增量的演化社區(qū)發(fā)現(xiàn) 133
5.3.2 基于距離增量的演化社區(qū)發(fā)現(xiàn) 136
5.3.3 基于博弈論的社會(huì)網(wǎng)絡(luò)動(dòng)態(tài)社區(qū)檢測 139
5.3.4 基于多模式聚類的演化社區(qū)發(fā)現(xiàn) 141
5.3.5 基于拉普拉斯動(dòng)力學(xué)方法的演化社區(qū)發(fā)現(xiàn) 143
5.3.6 基于差分演化的演化社區(qū)發(fā)現(xiàn) 144
5.3.7 基于相鄰時(shí)刻相似度比較的演化社區(qū)發(fā)現(xiàn) 146
5.4 演化分析框架 147
5.4.1 基于事件的社區(qū)網(wǎng)絡(luò)演化分析 147
5.4.2 基于角色的社區(qū)網(wǎng)絡(luò)演化分析 152
5.4.3 基于獨(dú)立社區(qū)發(fā)現(xiàn)的演化分析 156
5.4.4 基于網(wǎng)絡(luò)融合的演化分析 157
5.4.5 基于演化聚類平滑性的演化分析 157
5.4.6 基于節(jié)點(diǎn)行為的社區(qū)演化分析 158
5.4.7 基于張量分解的社區(qū)演化分析 159
5.5 社區(qū)演化評(píng)價(jià) 164
5.5.1 基于時(shí)空獨(dú)立評(píng)價(jià)的方法 165
5.5.2 基于時(shí)空集成評(píng)價(jià)的方法 165
5.5.3 基于統(tǒng)一評(píng)價(jià)的方法 167
參考文獻(xiàn) 170
第6章 社區(qū)分析與其他領(lǐng)域交叉研究 173
6.1 基于社區(qū)分析的情感研究 173
6.1.1 基于多元情感行為時(shí)間序列的社交網(wǎng)絡(luò)用戶聚類分析 173
6.1.2 社交網(wǎng)絡(luò)情感社區(qū)發(fā)現(xiàn)研究 176
6.2 基于社區(qū)分析的預(yù)測方法 178
6.2.1 基于社區(qū)結(jié)構(gòu)的鏈接預(yù)測和屬性推斷聯(lián)合解決方法 178
6.2.2 面向多模社交網(wǎng)絡(luò)的聚類信任預(yù)測 180
6.3 異質(zhì)網(wǎng)絡(luò)中的聚類和排序算法 182
6.3.1 異質(zhì)網(wǎng)絡(luò)中的社區(qū)發(fā)現(xiàn) 182
6.3.2 基于排序的聚類問題研究 188
6.4 社區(qū)分析在推薦系統(tǒng)的應(yīng)用 189
6.4.1 社會(huì)化推薦 190
6.4.2 基于社區(qū)的組推薦模型 191
6.4.3 其他有關(guān)社區(qū)分析的推薦算法 192
6.5 其他研究 194
6.5.1 社區(qū)分析在實(shí)體消歧領(lǐng)域的應(yīng)用 194
6.5.2 基于社區(qū)分析的鏈路預(yù)測 200
6.6 本章小結(jié) 206
參考文獻(xiàn) 206
第7章 社區(qū)發(fā)現(xiàn)與演化分析快速計(jì)算方法 209
7.1 圖并行計(jì)算框架 209
7.1.1 面向大圖數(shù)據(jù)的并行計(jì)算模型 209
7.1.2 基于內(nèi)存的并行計(jì)算模型 215
7.2 圖挖掘的快速計(jì)算 221
7.2.1 大規(guī)模圖數(shù)據(jù)處理問題 221
7.2.2 圖挖掘快速計(jì)算：增量式計(jì)算實(shí)例 222
7.2.3 圖挖掘快速計(jì)算：并行計(jì)算實(shí)例 229
7.3 并行社區(qū)發(fā)現(xiàn)與演化分析 234
7.3.1 基于Spark 的并行大型多維網(wǎng)絡(luò)分析 234
7.3.2 一種可擴(kuò)展的非重疊社區(qū)發(fā)現(xiàn)算法框架 236
7.3.3 基于MapReduce 框架的社區(qū)發(fā)現(xiàn)并行計(jì)算方法InfoMR 237
7.3.4 基于鏈路圖的大規(guī)模網(wǎng)絡(luò)并行重疊社區(qū)發(fā)現(xiàn)算法 238
7.3.5 基于GraphLab 框架的重疊社區(qū)發(fā)現(xiàn)并行計(jì)算方法：DOCVN 245
7.4 并行社區(qū)發(fā)現(xiàn)評(píng)估及應(yīng)用 249
7.4.1 傳統(tǒng)社區(qū)發(fā)現(xiàn)評(píng)價(jià)指標(biāo) 249
7.4.2 并行社區(qū)發(fā)現(xiàn)評(píng)價(jià)指標(biāo) 250
參考文獻(xiàn) 253
第8章 社區(qū)分析算法評(píng)測平臺(tái) 256
8.1 評(píng)測平臺(tái)綜述 256
8.1.1 現(xiàn)有的評(píng)測方法與平臺(tái) 256
8.1.2 本平臺(tái)的設(shè)計(jì)目標(biāo) 259
8.2 平臺(tái)框架與功能設(shè)計(jì) 260
8.2.1 技術(shù)背景 260
8.2.2 整體設(shè)計(jì) 263
8.2.3 功能設(shè)計(jì) 268
8.3 平臺(tái)的擴(kuò)展 277
8.4 平臺(tái)操作案例 280
8.4.1 數(shù)據(jù)角度 280
8.4.2 算法角度 282
8.4.3 指標(biāo)角度 287
8.5 平臺(tái)使用實(shí)例 290
參考文獻(xiàn) 294
第9章 總結(jié) 296
參考文獻(xiàn) 298