数据挖掘之重叠网络

基础概念：

1.复杂网络：具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络称之为复杂网络。

①小世界特性

小世界特性（Small world theory）又被称之为是六度空间理论或者是六度分割理论（Six degrees of separation）。小世界特性指出：社交网络中的任何一个成员和任何一个陌生人之间所间隔的人不会超过六个。

②无标度特性

现实世界的网络大部分都不是随机网络，少数的节点往往拥有大量的连接，而大部分节点却很少，节点的度数分布符合幂率分布，而这就被称为是网络的无标度特性（Scale-free）。将度分布符合幂律分布的复杂网络称为无标度网络。

③社区结构特性

人以类聚，物以群分。复杂网络中的节点往往也呈现出集群特性。例如，社会网络中总是存在熟人圈或朋友圈，其中每个成员都认识其他成员。集群程度的意义是网络集团化的程度；这是一种网络的内聚倾向。连通集团概念反映的是一个大网络中各集聚的小网络分布和相互联系的状况。例如，它可以反映这个朋友圈与另一个朋友圈的相互关系。

2.二分网络：网络中有两种不同类型的顶点，边只在不同顶点中存在。

二分图（二部图）的表示方法：邻接矩阵表示法：假如二分网络中只存在A,B两种的顶点，使第一行表示A类顶点，第一列表示B类顶点，AB两类顶点之间有边则值为1，否则为0。

3.异质社区：社区内结点类型不全是相同的。

4.单分网络：传统的同构网络，结点类型相同，边类型也相同。

社区的重叠性：

传统的社区发现研究一般基于“每一个节点都唯一归属于某个社区”的假设,而在现实社会网络中,人们往往同时属于不同的社区,而这种同时属于多个社区的人又是信息传递、社会交往中的关键。