-
题名基于特征向量局部相似性的社区检测算法
被引量：6
- 1
-
-
作者
杨旭华
沈敏
-
机构
浙江工业大学计算机科学与技术学院
-
出处
《计算机科学》
CSCD
北大核心
2020年第2期58-64,共7页
-
基金
国家自然科学基金(61773348)
浙江省自然科学基金(LY17F030016)~~
-
文摘
社区的发现和分析是复杂网络结构和功能研究中的一个热点。目前广泛应用的社区划分算法存在时间复杂度过高、社区核心数量无法准确量化、划分精度不高等问题。文中提出了一种基于特征向量局部相似性的社区检测算法ELSC。该算法首先计算网络中每个节点的特征向量中心性,在此基础上提出了特征向量局部相似性(ELS)和特征向量吸引性(EA)指标。ELS指标表示节点之间的相似性,用来形成初始社区,在同一个社区内部节点之间的相似性较高,在不同社区节点之间的相似性较低;EA指标同时考虑了局部相似性和特征向量中心性的占比,表示节点之间的吸引性,用来优化初始社区,并在此基础上完成网络的社区划分。该算法由最值确定节点,避免了节点数量阈值不确定的问题。在7个真实网络上将所提算法与6种知名算法的模块度和标准化互信息两个指标进行综合比较,结果表明,该算法具有良好的准确性,并且具有较低的时间复杂度。
-
关键词
社区检测
特征向量中心性
特征向量局部相似性
特征向量吸引性
-
Keywords
Community detection
Eigenvector centrality
Eigenvector local similarity
Eigenvector attractiveness
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
