豆瓣电影演员合作网络的社区挖掘：算法评估与数据预处理

本文主要探讨的是"基于豆瓣电影演员合作网络的社区发现"这一主题，研究者旨在通过对豆瓣电影平台上评分在7.5分以上的电影演员合作数据进行深入分析，来识别和理解演员之间的合作模式以及社区结构。首先，研究的目的是通过网络分析方法，如度分布和节点中心性等统计指标，对演员合作网络进行描述性分析，以便评估后续社区发现算法的效果。 数据来源部分详细介绍了数据的采集过程，即从豆瓣网站抓取2015年以来高评分电影的演员合作数据，形成了一个无向的邻接矩阵。矩阵中对角线元素代表演员的电影作品数，非对角线元素表示演员间的合作电影数量。由于存在自环和多重边，原始数据实际上是多重图。为了适应社区发现算法，数据需要经过预处理： 1. 将多重图转化为简单图：通过删除自环和合并多重边，形成一个无向有权网络，其中包含7025个节点和7765条边。 2. 数据筛选：剔除只与一个演员合作的节点，这将导致节点分散和社区不明显。通过选择合作次数大于2次的演员及其合作对象，提取出的子网络包含919个节点和1179条边，显著减少了数据量。 3. 最大连通组件分析：研究集中在最大连通组件上，这是网络中最关键的部分，因为它包含了所有能够互相达到的节点。图1展示了经过处理后的网络图，为后续的社区发现提供了基础。 接下来，文章将采用不同的社区发现算法，如fastgreedy和multilevel等，来对这个演员合作网络进行模块化分解，通过计算模块度来评价算法的性能。这些算法旨在找出网络中自然存在的紧密连接的社区或群体，以揭示演员合作的聚集性和社区结构。通过比较不同算法的结果，研究者可以确定哪种方法最适合于描述和解析这种特定类型的网络。 本研究利用豆瓣电影演员合作数据，结合网络分析技术，探索了演员之间的合作模式，并通过社区发现算法来识别潜在的社区结构，这对于理解电影产业内的合作动态和演员关系具有重要意义。