社交网络大规模图聚类:GLEAM——潜在游戏优化的创新框架
随着在线社交网络的飞速发展,大规模图聚类已经成为研究热点。传统的图聚类方法主要依赖于预设的目标函数,然而这些方法较少考虑现实生活中网络结构对集群形成的影响。本文提出了一个新的框架——GLEAM (Graph Clustering Framework based on Potential Game Optimization),旨在解决大规模社交网络图的聚类问题。 在GLEAM中,作者将在线社交网络中的个体视为非合作博弈中的自利玩家。每个节点的策略被定义为一个集群成员向量,其目标是通过选择最适宜的策略来提升自身的社会身份。这种策略选择背后的动机源于顺应性心理学,它关注的是个体通过加入不同群体所获得的社会认同的加权平均。这种理论提供了一个理论基础,使得社交网络中的行为模式能够自然地形成潜在的游戏结构。 框架的核心步骤包括: 1. 利用余弦相似度对原始网络中的边进行加权,这有助于衡量节点间的相似性和联系强度。 2. 通过启发式算法创建初始分区,这些初始的集群可能由所谓的“领导者节点”主导,这些节点在网络中具有较高的影响力。 3. 然后进行潜在的基于游戏的加权模块化优化,这一阶段通过迭代调整,使节点更倾向于与具有相似特征的其他节点聚集,从而改进初始的分区。 4. 提出潜在吸引聚类的概念,即允许节点跨越多个初始分区,这样可以更好地反映网络的真实结构,可能存在重叠的社区关系。 5. 最后,通过双阈值过程发现图的重叠分区,这是一种简单但有效的方法,能够处理复杂的社会网络中可能存在的模糊边界和多重归属。 GLEAM框架通过将社交网络聚类问题置于潜在游戏的视角下,结合余弦相似度、领导者节点和适应性优化策略,提供了一种新颖且适用于大规模社交网络图的并行聚类方法。这种方法不仅考虑了节点间的交互动力学,还揭示了网络中集群形成的动态过程,为理解社交网络的结构和功能提供了新的见解。
剩余29页未读,继续阅读
- 粉丝: 7
- 资源: 964
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 中国微型数字传声器:技术革新与市场前景
- 智能安防:基于Hi3515的嵌入式云台控制系统设计
- 手机电量低时辐射真增千倍?解析手机使用谣言
- 56F803型DSP驱动的高精度大功率超声波电源控制策略研究
- ARM与GPRS结合的远程监测系统设计
- GPS与RFID技术结合的智能巡检系统设计
- CPLD驱动的低功耗爆炸场温度测试系统设计
- 基于FPGA的智能驱动控制系统:可扩展设计与工业网络协议
- 基于ATmega128和CH374的嵌入式USB接口设计
- 基于AT89C52的温度补偿超声波测距仪:高精度设计与应用
- MSP430F448单片机在交流数字电压表中的应用
- 提升变频器应用效率的12项实用技巧
- STM32F103在数字电镀电源并联均流系统中的应用
- PSpice仿真下的升压开关电源设计:拓扑分析与CCM稳定性提升
- 轻巧高效:MSP430主导的低成本无线传感器网络节点设计
- FPGA在EDA/PLD中实现LVDS接口的应用解析