导　　师： 吕强

学科专业： H1203

授予学位： 硕士

作　　者： ;

机构地区： 苏州大学

摘　　要： 社会网络是由个人或组织以及它们之间的联系所构成的集合，近几年随着互联网和社会网络网站的飞速发展，大规模的社会网络也逐渐成为研究的热点。社会网络一般都会呈现高度的社区性，这是社会网络与随机网络的最大不同。某些社会学方面的性质如小世界性等，在大规模社会网络中会表现的更加明显，本文将研究和利用这些社会学特性来发现大规模网络中的社区。 基于社会网络中表现出来的中心性、小社区的稳定性、小世界性质等社会学特性，本文提出了一种大规模社会网络社区发现的解决方案。首先通过节点之间的双向关系发现规模较小的底层社区；然后将每个底层小社区合并为一个点，并重新构建网络，同时统计出新网络中边的权重，边的权重可以作为对象间的相似度；最后用基于局部模块度的聚类算法来发现社区。 社区发现中如何评价和解释社区也是一个重要问题，本文在给出模块度、局部模块度等客观评价手段的同时，还提出用统计的方法来解释社区，并用统计词频的方法对kdd-cup中的社区作出了解释，这种方法也可以推广到对更大规模虚拟网络中的社区进行解释。 实验结果证明本文解决方案所发现的社区在规模上比较平均，其中大部分社区都比较小，但表现出来的社区性却较为明显。实际上规模较小的社区是稳定并且易于解释的，因此发现这些社区后的实际应用将更具理性和可靠性。

关 键 词： 社会网络 社区发现 小世界性质 大规模网络

分 类 号： [TP393.0]

领　　域： [自动化与计算机技术] [自动化与计算机技术]