.348. 智能系统学报 第11卷 的发挥结构洞作用，即细粒度下的结构洞占据者跨 解集的ρ(S)越低，则节点跨越的结构洞的可能性越 越结构洞的程度较大。对应于实际情况，将公司看 低。说明不同粒度下的网络层次结构对节点的结构 作网络，而公司里还有许多不同部门，部门分为许多 洞程度会产生重要影响。 工作小组等等。粗粒度下将公司的部门作为节点， 0.50 细粒度下可能将个体作为节点，这对应于不同粒度 0.45 的层次结构，而个体在网络中的属性关系和结构洞 0.401 程度会不断变化。 0.50 令0351 0.45 0.30 0.40 0.25 0.35 三0.30 0.20 0.25 2468101214161820 0.20 top 0.15 0 图8 Topic145在HS算法下不同粒度结构洞解集的 0.10 0.05246810214161820 质量(top20) Fig.8 Performance of structural holes for HIS on Top- top k ic 145 top 20) 图6ICML10在MG_MaxD算法下不同粒度结构洞 解集的质量(top20) 0.45 0.40t Fig.6 Performance of structural holes for MG_MaxD 0.35 on ICML_10 (top 20) 0.30 3.2.2HS对比实验结果 2025 为了验证上面结论的可靠性，本文使用文献 0.20 [20]中的HIS算法进行对比试验，分别在Topic131、 0.15 0—00 Topic145和ICML_10数据集上进行实验。当网络划 0.10 0.05 分粒度变化时，网络社团结构也会发生变化，由于 2468101214161820 HS算法中节点的重要性初始化是相对于社团的，所 topk 以HS算法对社团结构的变化会更加敏感。使用 图9ICML10在HⅡS算法下不同粒度结构洞解集的 HS算法进行对比可以有效地验证上面结论。统计 质量(top20) HIS算法在不同粒度下发现的结构洞，并使用p(S)指 Fig.9 Performance of structural holes for HIS on IC- 标对结构洞解集进行衡量，实验结果如图7~9所示。 ML 10 (top 20) 0.70 3.2.3模块度及社团数对结构洞的影响 0.60 0.50 -C 本文在T131、T145数据集上，考虑多粒度下社 团划分质量和结构洞解集质量之间的关系，即网络 0.40 模块度和p(S)变化情况。选取MG_MaxD和HIS 0.30 算法在两个数据集，和5种社团划分结果的模块度 0.20 0.10g 日8 下发现的前20个结构洞占据者，实验结果如图10 2468101214161820 和图11所示。从图10和图11可以看出，模块度越 大说明社团划分结果越好，但结构洞解集质量不断 图7 Topic131在HⅡS算法下不同粒度结构洞解集的 质量(top20) 降低。图10显示在T131数据集中，当模块度为 Fig.7 Performance of structural holes for HIS on Top- 0.468时，此时社团划分质量最差，但MG_MaxD和 ic131(top20)】 HS的结构洞解集的质量最佳，而随着模块度提高， 图7~9显示在不同数据集上，使用HS算法找 这两个算法的解集质量也随之下降；图11显示在 到的前20个结构洞解集的ρ(S)指标变化情况，可 T145数据集中也具有相同规律，且发现当模块度为 以发现随着社团划分粒度的变粗，HS算法找到的 0.324时，MG_MaxD和HIS的结构洞解集的质量最 结构洞解集的质量也随之下降。粒度越粗，结构洞 差。通过两组实验对比，可以发现模块度与结构洞的发挥结构洞作用，即细粒度下的结构洞占据者跨 越结构洞的程度较大。 对应于实际情况，将公司看 作网络，而公司里还有许多不同部门，部门分为许多 工作小组等等。 粗粒度下将公司的部门作为节点， 细粒度下可能将个体作为节点，这对应于不同粒度 的层次结构，而个体在网络中的属性关系和结构洞 程度会不断变化。 图 ６ ＩＣＭＬ＿１０ 在 ＭＧ＿ＭａｘＤ 算法下不同粒度结构洞 解集的质量（ｔｏｐ ２０） Ｆｉｇ．６ Ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｓｔｒｕｃｔｕｒａｌ ｈｏｌｅｓ ｆｏｒ ＭＧ＿ＭａｘＤ ｏｎ ＩＣＭＬ＿１０ （ｔｏｐ ２０） ３．２．２ ＨＩＳ 对比实验结果 为了验证上面结论的可靠性，本文使用文献 ［２０］中的 ＨＩＳ 算法进行对比试验，分别在 Ｔｏｐｉｃ １３１、 Ｔｏｐｉｃ １４５ 和 ＩＣＭＬ＿１０ 数据集上进行实验。 当网络划 分粒度变化时，网络社团结构也会发生变化，由于 ＨＩＳ 算法中节点的重要性初始化是相对于社团的，所 以 ＨＩＳ 算法对社团结构的变化会更加敏感。 使用 ＨＩＳ 算法进行对比可以有效地验证上面结论。 统计 ＨＩＳ 算法在不同粒度下发现的结构洞，并使用 ρ（Ｓ）指 标对结构洞解集进行衡量，实验结果如图７～９所示。 图 ７ Ｔｏｐｉｃ １３１ 在 ＨＩＳ 算法下不同粒度结构洞解集的 质量（ｔｏｐ ２０） Ｆｉｇ．７ Ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｓｔｒｕｃｔｕｒａｌ ｈｏｌｅｓ ｆｏｒ ＨＩＳ ｏｎ Ｔｏｐ⁃ ｉｃ １３１ （ｔｏｐ ２０） 图 ７～９ 显示在不同数据集上，使用 ＨＩＳ 算法找 到的前 ２０ 个结构洞解集的 ρ（Ｓ）指标变化情况，可 以发现随着社团划分粒度的变粗，ＨＩＳ 算法找到的 结构洞解集的质量也随之下降。 粒度越粗，结构洞 解集的 ρ（Ｓ）越低，则节点跨越的结构洞的可能性越 低。 说明不同粒度下的网络层次结构对节点的结构 洞程度会产生重要影响。 图 ８ Ｔｏｐｉｃ １４５ 在 ＨＩＳ 算法下不同粒度结构洞解集的 质量（ｔｏｐ ２０） Ｆｉｇ．８ Ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｓｔｒｕｃｔｕｒａｌ ｈｏｌｅｓ ｆｏｒ ＨＩＳ ｏｎ Ｔｏｐ⁃ ｉｃ １４５ （ｔｏｐ ２０） 图 ９ ＩＣＭＬ＿１０ 在 ＨＩＳ 算法下不同粒度结构洞解集的 质量（ｔｏｐ ２０） Ｆｉｇ．９ Ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｓｔｒｕｃｔｕｒａｌ ｈｏｌｅｓ ｆｏｒ ＨＩＳ ｏｎ ＩＣ⁃ ＭＬ＿１０ （ｔｏｐ ２０） ３．２．３ 模块度及社团数对结构洞的影响 本文在 Ｔ１３１、Ｔ１４５ 数据集上，考虑多粒度下社 团划分质量和结构洞解集质量之间的关系，即网络 模块度和 ρ（ Ｓ） 变化情况。 选取 ＭＧ＿ＭａｘＤ 和 ＨＩＳ 算法在两个数据集，和 ５ 种社团划分结果的模块度 下发现的前 ２０ 个结构洞占据者，实验结果如图 １０ 和图 １１ 所示。 从图 １０ 和图 １１ 可以看出，模块度越 大说明社团划分结果越好，但结构洞解集质量不断 降低。 图 １０ 显示在 Ｔ１３１ 数据集中，当模块度为 ０．４６８时，此时社团划分质量最差，但 ＭＧ＿ＭａｘＤ 和 ＨＩＳ 的结构洞解集的质量最佳，而随着模块度提高， 这两个算法的解集质量也随之下降；图 １１ 显示在 Ｔ１４５ 数据集中也具有相同规律，且发现当模块度为 ０．３２４ 时，ＭＧ＿ＭａｘＤ 和 ＨＩＳ 的结构洞解集的质量最 差。 通过两组实验对比，可以发现模块度与结构洞 ·３４８· 智 能 系 统 学 报 第 １１ 卷