基于影响力的增量式节点嵌入的动态社区检测方法研究

目录

声明

第1 章 绪论

1.1 研究背景及意义

1.2 相关工作研究现状

1.2.1 图神经网络模型研究现状

1.2.2 静态社区检测算法研究现状

1.2.3 动态社区检测算法研究现状

1.3 研究主要研究内容

1.4 本文的组织结构

第2 章 相关技术和理论

2.1 常见的节点表示技术介绍

2.1.1 Word2vec模型

2.1.2 DeepWalk 算法

2.2 本文研究思路及框架

2.3 相关定义

2.3.1 复杂网络图结构建模

2.3.2 动态社区的定义

2.4 本章小结

第3 章 基于节点影响力的社区检测算法

3.1 基于节点影响力的社区检测算法概述

3.2 随机游走生成语料库

3.2.1 节点的影响力属性值的归一化处理

3.2.2 定义搜索策略获得随机游走序列

3.3 融合影响力信息的节点表示学习

3.4 静态社区检测

3.5 本章小结

第4 章 基于模块度的增量式动态社区检测模型

4.1 基于模块度的增量式动态社区检测模型概述

4.2 根据模块度增量定位变化的社区结构

4.3 新增节点的动态社区检测

4.3.1 社区数量不变

4.3.2 社区数量改变

4.4 移除旧节点的动态社区检测

4.4.1 社区数量不变

4.4.2 社区数量改变

4.5 基于模块度的增量式动态演化社区检测算法

4.6 本章小结

第5 章 实验

5.1 实验环境简介

5.2 实验数据集介绍

5.3 基于节点影响力的社区检测算法仿真实验

5.3.1 基准算法

5.3.2 评价指标

5.3.3 仿真实验过程

5.3.4 实验结果及其分析

5.3.5 参数敏感性分析

5.3.6 T-SNE二维可视化结果分析

5.4 基于模块度的增量式动态社区检测模型仿真实验

5.4.1 数据集介绍

5.4.2 基准算法和评价标准

5.4.3 实验结果及分析

5.4.4 参数对模型的影响

5.5 本章小结

第6 章 总结与展望

6.1 总结

6.2 展望

参考文献

攻读学位期间取得的研究成果

致谢