基于马尔可夫决策过程的社团演化干预

doi:10.12068/j.issn.1005-3026.2022.11.003

东北大学学报（自然科学版） ›› 2022, Vol. 43 ›› Issue (11): 1536-1543.DOI: 10.12068/j.issn.1005-3026.2022.11.003

基于马尔可夫决策过程的社团演化干预

柴沛华，满君怡，曾一锋，曹浪财

(厦门大学航空航天学院，福建厦门361005)

发布日期:2022-12-06
通讯作者: 柴沛华
作者简介:柴沛华(1996-)，女，河北邯郸人，厦门大学博士研究生.
基金资助:
国家自然科学基金资助项目(62171391).

The Intervention of Community Evolution Based on Markov Decision Process

CHAI Pei-hua， MAN Jun-yi， ZENG Yi-feng， CAO Lang-cai

School of Aerospace Engineering， Xiamen University， Xiamen 361005， China.

Published:2022-12-06
Contact: CAO Lang-cai
About author:-
Supported by:
-

摘要/Abstract

摘要： 社团的演化往往是复杂多变的，如何对这些嵌入在网络中的社团进行个性化干预，使得不同的社团朝着不同的既定方向演化的研究逐渐成为社交网络领域的一个重要问题.在社团演化的干预框架下，基于状态转移视角，提出了基于马尔可夫决策过程的社团演化干预模型.该模型通过对社团状态维度分数与干预目标的综合考虑，确立社团演化过程与马尔可夫决策过程的对应关系，对社团演化中的状态、动作、回报进行精细建模，同时将社团演化期望回报与研究者的奖励相对应，对马尔可夫决策过程求解，实现对社团演化的干预.在不同社团数据集上的实验结果表明，基于马尔可夫决策过程的干预模型能够对社团的演化进行有效的干预.

关键词: 社团演化；社团干预；马尔可夫决策过程

Abstract: The evolution of the community always tends to be complex and changeable. It becomes an important issue in the field of social networks about how to conduct personalized intervention on communities which are embedded in the network and make different communities evolve toward to different aims. Based on the intervention framework of community evolution， an intervention model based on Markov decision process(MDP)was proposed with the perspective of state transition. With the score of the state dimension and intervention goal， this model establishes the corresponding relationship between the evolution process and MDP， and then models the state， action， and reward in evolution process. Meanwhile， the expected reward of community evolution corresponds to the researcher′s reward. By solving the MDP， the community evolution can be effectively intervened. The experiment results indicated that the community evolution intervention model based on MDP can intervene the community evolution on different true data sets.

Key words: community evolution; community intervention; Markov decision process(MDP)

中图分类号:

柴沛华，满君怡，曾一锋，曹浪财. 基于马尔可夫决策过程的社团演化干预[J]. 东北大学学报（自然科学版）, 2022, 43(11): 1536-1543.

CHAI Pei-hua， MAN Jun-yi， ZENG Yi-feng， CAO Lang-cai. The Intervention of Community Evolution Based on Markov Decision Process[J]. Journal of Northeastern University(Natural Science), 2022, 43(11): 1536-1543.

参考文献

[1]Liu L Y，Xu L L，Wang Z，et al.Community detection based on structure and content:a content propagation perspective［C］// 2015 IEEE International Conference on Data Mining.Atlantic City，2015:271-280.
[2]Malek J，Hocine C，Chantal C，et al.Community detection algorithm evaluation with ground-truth data ［J］.Physica A:Statistical Mechanics and Its Applications，2018，492:651-706.
[3]吴斌.虚拟社区发现及演化分析研究［J］.科技纵览，2017(12):70-71.(Wu Bin.Discovery and evolution analysis of virtual communities［J］.IEEE Spectrum，2017(12):70-71.)
[4]Wang Z，Li Z，Yuan G，et al.Tracking the evolution of overlapping communities in dynamic social networks［J］.Knowledge-Based Systems，2018，157:81-97.
[5]Castellano C，Fortunato S，Loreto V.Statistical physics of social dynamics ［J］.Reviews of Modern Physics， 2009，81(2):591-646.
[6]Radicchi F，Castellano C，Cecconi F，et al. Defining and identifying communities in networks ［J］.Proceedings of The National Academy of Sciences，2004，101(9):2658-2663.
[7]Yang B，Liu D Y.Force-based incremental algorithm for mining community structure in dynamic network ［J］.Journal of Computer Science and Technology，2006，21(3):393-400.
[8]陈福集，杜锦锦.网络舆情监测技术研究及应用综述［J］.情报探索，2014(5):16-18.(Chen Fu-ji，Du Jin-jin.Review of studies and application of internet public opinion monitoring technologies ［J］.Information Research，2014(5):16-18.)
[9]Bródka P，Saganowski S，Kazienko P.GED:the method for group evolution discovery in social networks ［J］.Social Network Analysis and Mining，2013，3(1):1-14.
[10]Sutton R，Barto A.Reinforcement learning:an introduction［M］.Cambridge:MIT Press，2018.
[11]Palla G，Derenyi I，Farkas I，et al.Uncovering the overlapping community structure of complex networks in nature and society ［J］.Nature，2005，435(7043):814-818.
[12]Man J Y，Zhu J R，Cao L C.Multi-step community evolution prediction methods via Markov chain and classifier chain ［C］// Proceedings of 2019 Chinese Control Conference.Guangzhou，2019:7950-7955.
[13]Kaufman L，Rousseeuw P J.Finding groups in data:an introduction to cluster analysis ［M］.New York:John Wiley & Sons，1990.
[14]Newman M E J.Networks:an introduction ［M］.New York:Oxford University Press，2012.
[15]Brodka P，Musial K，Kazienko N P.A performance of centrality calculation in social networks ［C］// Proceedings of the 2009 International Conference on Computational Aspects of Social Network.Fontainebleau，2009:24-31.
[16]Ley M.DBLP-some lessons learned ［J］.Proceedings of Very Large Data Base Endowment，2009，2(2):1493-1500.

基于马尔可夫决策过程的社团演化干预

The Intervention of Community Evolution Based on Markov Decision Process

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	庞彦伟，苏畅，龙涛. 自适应构造与聚合多尺度代价体的双目立体匹配[J]. 东北大学学报（自然科学版）, 2023, 44(4): 457-468.
[2]	丁其川，王力，刘成. 融合长距离信道注意力与病理特征的肺结节分类[J]. 东北大学学报（自然科学版）, 2023, 44(4): 476-485.
[3]	张露文，刘洪娟. 考虑防护和隔离的传染病传播建模与分析[J]. 东北大学学报（自然科学版）, 2023, 44(4): 486-494.
[4]	李海燕，熊立昌，郭磊，李海江. 基于U-net边缘生成和超图卷积的两阶段修复算法[J]. 东北大学学报（自然科学版）, 2023, 44(3): 331-339.
[5]	李贞妮, 李晶皎, 王骄, 杨丹. 基于FPGA的2D-Torus片上网络无死锁路由算法[J]. 东北大学学报（自然科学版）, 2021, 42(1): 1-6.
[6]	杨丹，刘国如，任梦成，裴宏杨. 多尺度卷积核U-Net模型的视网膜血管分割方法[J]. 东北大学学报（自然科学版）, 2021, 42(1): 7-14.
[7]	韩东红，张宏亮，朱帅伟，齐孝龙. 面向新浪微博的情感社区检测算法[J]. 东北大学学报（自然科学版）, 2021, 42(1): 21-31.
[8]	刘宇，魏希来，王帅，戴丽. 基于深度学习的光纤收卷机器视觉自动检测技术[J]. 东北大学学报（自然科学版）, 2021, 42(1): 68-74.
[9]	原培新，陈鼎夫. 双能X射线高动态范围安检图像压缩算法[J]. 东北大学学报（自然科学版）, 2021, 42(1): 96-101.
[10]	魏颖, 徐楚翘, 刁兆富, 李伯群. 基于生成对抗网络的多目标行人跟踪算法[J]. 东北大学学报（自然科学版）, 2020, 41(12): 1673-1680.
[11]	李稷，徐安军. 炼钢车间多天车动态调度仿真方案[J]. 东北大学学报:自然科学版, 2020, 41(12): 1699-1707.
[12]	刘振宇，宋晓莹. 一种可用于分类型属性数据的多变量决策树算法[J]. 东北大学学报:自然科学版, 2020, 41(11): 1521-1527.
[13]	刘芳，马杰，苏卫星，何茂伟. 基于模型参数在线辨识技术的SOC估算方法[J]. 东北大学学报:自然科学版, 2020, 41(11): 1543-1549.
[14]	李占山，吕艾娜. 基于新冗余度的特征选择方法[J]. 东北大学学报:自然科学版, 2020, 41(11): 1550-1556.
[15]	王鑫，王翠荣，王聪，苑迎. 双通道多感知卷积神经网络图像超分辨率重建[J]. 东北大学学报:自然科学版, 2020, 41(11): 1564-1570.