1、社交網(wǎng)絡(luò)的一個(gè)重要特征是具有社團(tuán)結(jié)構(gòu),社團(tuán)結(jié)構(gòu)在宏觀上有助于深入理解網(wǎng)絡(luò)的拓?fù)涮匦院捅举|(zhì),微觀上有助于探索網(wǎng)絡(luò)中用戶的行為特點(diǎn)以及用戶之間的邏輯關(guān)系,同時(shí)也能發(fā)現(xiàn)信息在網(wǎng)絡(luò)中的傳播特性。因此,尋找社交網(wǎng)絡(luò)的社團(tuán)結(jié)構(gòu)也變得尤為重要。
　　早期的社交網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)方法大多只能對(duì)無(wú)權(quán)或無(wú)向的社交網(wǎng)絡(luò)進(jìn)行非重疊的社團(tuán)劃分,混合隸屬度隨機(jī)塊模型(Mixed Membership Stochastic Block Model, MMSB)社團(tuán)發(fā)

2、現(xiàn)方法不僅能夠?qū)τ邢驘o(wú)權(quán)網(wǎng)絡(luò)進(jìn)行重疊社團(tuán)劃分,而且能定量得到節(jié)點(diǎn)在各個(gè)社團(tuán)中的隸屬度,受到廣泛的關(guān)注。然而,現(xiàn)有MMSB并不適用于加權(quán)網(wǎng)絡(luò),也沒(méi)有衡量節(jié)點(diǎn)社團(tuán)劃分正確性的判斷方法,這在一定程度上限制了其應(yīng)用范圍。因此本文通過(guò)研究現(xiàn)有的社交網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)方法,分析各自的優(yōu)點(diǎn)與不足,提出了基于MMSB的有向加權(quán)網(wǎng)絡(luò)的重疊社團(tuán)劃分方法。文章的主要工作如下:
　　1)在MMSB的基礎(chǔ)上提出了一種對(duì)有向加權(quán)社交網(wǎng)絡(luò)進(jìn)行重疊社團(tuán)劃分方法,稱之為

3、加權(quán)混合隸屬度隨機(jī)塊模型(Weighted Mixed Membership Stochastic Block Model, WMMSB)社團(tuán)發(fā)現(xiàn)方法。該方法首先通過(guò)建立統(tǒng)計(jì)模型來(lái)模擬觀測(cè)網(wǎng)絡(luò),再利用最大似然準(zhǔn)則估計(jì)模型中的參數(shù),根據(jù)參數(shù),也就是節(jié)點(diǎn)的混合隸屬度,就能夠?qū)W(wǎng)絡(luò)進(jìn)行社團(tuán)劃分。由于參數(shù)的似然函數(shù)復(fù)雜度極高,傳統(tǒng)的最大似然估計(jì)方法無(wú)法得到參數(shù)的估計(jì)值,因此采用變分期望最大值(Variational Expectation Ma

4、ximization, VEM)算法來(lái)估計(jì)參數(shù)。
　　2)提出了針對(duì)混合隸屬度隨機(jī)塊模型的節(jié)點(diǎn)劃分正確性評(píng)判方法。該方法首先通過(guò)混合隸屬度得到各個(gè)社團(tuán)對(duì)節(jié)點(diǎn)的邊占有量,然后判斷通過(guò)邊占有量為節(jié)點(diǎn)選出的社團(tuán)與混合隸屬度是否一致,若一致就認(rèn)為該節(jié)點(diǎn)劃分是正確的,否則認(rèn)為節(jié)點(diǎn)劃分錯(cuò)誤。
　　3)將WMMSB應(yīng)用于期刊引用網(wǎng)絡(luò),展示并分析社團(tuán)劃分結(jié)果,通過(guò)和基于邊方向信息抽取的社團(tuán)劃分方法相對(duì)比,說(shuō)明WMMSB不僅能正確劃分社團(tuán),還