西安科技大学学报

2020, v.40;No.171(01) 181-186

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

利用节点重要度和社团接近度发现社团结构
Discovering community structure using node importance and community proximity

冯健;史丹丹;罗香玉;叶鸥;

摘要(Abstract):

社团发现能够揭示复杂网络的拓扑结构特性。针对现有社团发现算法社团初始节点选择随机、相似度计算过分依赖节点间共享邻居以及需要事先设定社团个数等问题,依托层次聚类思想提出基于节点重要度和社团接近度的社团划分算法。首先引入节点重要度的定义并给出重要节点的计算模型,根据该模型得到最重要节点作为社团的初始聚类中心;然后兼顾节点的共享关系和直接影响定义节点的社团接近度,依据社团接近度指标寻找与社团最接近的节点,根据该节点的加入为社团带来的局部模块度增量判断是否将其加入到已有社团。首个社团划分完毕后,重复选取初始聚类中心并构造社团的过程,直到没有可归入社团的节点。在2个典型复杂网络数据集上进行了测试,并与Girvan-Newman算法和Newman快速算法从准确率和模块度进行对比,实验结果表明所提算法在社团数目未知的前提下能够获得更好的社团划分结果。

关键词(KeyWords): 社团发现;层次聚类;节点重要性;社团接近度

Abstract:

Keywords:

基金项目(Foundation): 陕西省自然科学基金(2017JQ6053,2018JQ5095)

作者(Author): 冯健;史丹丹;罗香玉;叶鸥;

Email:

DOI: 10.13800/j.cnki.xakjdxxb.2020.0124

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享