基于相异性指数的网络社团结构识别设计开题报告

1. 研究目的与意义（文献综述）

1）目的与意义

随着信息时代互联网的迅猛发展，人与人，人与社会环境，社会环境与社会环境之间的关系变得越来越错综复杂。如果抽象的将每个个体作为一个点，其间的联系用边连线，构成的图就是复杂网络。各种复杂的网络在我们的生活中随处可见。由于复杂网络描述灵活形象，并且能对各种系统进行建模、分析，目前对它的研究已融入到社会学、生物学等众多科技领域。随着对复杂网络性质的深入研究，人们发现了一些如自吸引、小世界、无标度等特性，更发现许多网络其实都有社团结构这个共同性质。

研究识别复杂网络中的社团结构有很重要的实际意义。网络社团就是说整个网络是由若干个“群”或“团”构成的，其中每个群内部的节点之间的连接相对非常紧密，而各个群之间的连接相对来说却比较稀疏。在网络中，可以将各个节点根据它们不同的性质划分为不同的社团。识别复杂网络中的社团结构有助于我们分析复杂网络的结构和性质，我们可以从单独社团的功能推测出复杂网络所具有的功能，从社团的固有规律中推测复杂网络可能具有的规律，从而预测该网络可能出现的行为。社团结构分析在社会学、生物学、科技领域中有广泛的应用，已成为近几年复杂网络领域研究的一个热点。就像对于酵母中蛋白质-蛋白质互相作用网络，我们能识别很多集群通过他们具有的所定义的生物功能。社团结构的划分方法分为凝聚算法和分裂算法。其中分裂算法例如gn算法，虽然能将复杂网络划分成一个个社团，却没有一个参数来定量的描述各个社团之间的差异程度，于是zhou在布朗粒子的距离矩阵的基础上引入了相异性指数，该指数能定量的显示两个最近相邻节点直接属于同一个社团的可能性大小。这样，一个按层次划分的算法就出现了，它利用相异性指数给出的信息，把一个网络分解成一序列按层次的簇群。每个社团的特点是一个上下的相异性阈值。这个算法可以量化地划分复杂网络的社团结构，并且比其他之前的算法更加精准。例如在人工随机组合网络中，用基于相异性的算法对网络的节点进行社团结构划分，产生错误分类的节点数目要比用gn算法小。我们的工作就是运用这个基于相异性指数的算法来对典型网络进行社团结构识别。

2. 研究的基本内容与方案

a） a）学习复杂网络的社团结构

随着对网络性质的物理意义和数学特性的深入研究，人们发现许多网络都具有社团结构这个共同特性。就是说整个网络由若干个“群”或“团”构成。每个群内的节点间连接相对紧密，各个群之间的连接相对稀疏。可以将各节点根据其不同性质划分为不同社区。揭示网络中的社区结构，对于了解网络结构与分析网络特性都很重要。

b） b）学习基于相异性的算法

3. 研究计划与安排

1）第1－3周：查阅相关文献资料，明确研究内容，了解研究所需的相关知识。确定方案，完成开题报告。

2）第4－10周：

a）完成英语论文翻译；

4. 参考文献（12篇以上）

[1]k. c. garner. review of: “cybernetics: or control and communication in the animal and the machine ” by norbert wiener. (london: john wiley sons. and m.i.t. press, 1961.) 2nd edition. [pp. 212.] 52s.[j]. ergonomics,1962, 5(4):585-585.

[2]gary william flake,steve lawrence,c. lee giles, et al. self-organization and identification of web communities.[j]. ieee computer,2002, 35(3):66 - 70.

[3] adamic a l, adar e. friends and neighbors on the web. social nerworks[j]. 2003,25:211-230.