-
题名基于社区密度的重叠社区检测算法
- 1
-
-
作者
赵洋洋
刘士虎
胡志涛
-
机构
云南民族大学
-
出处
《应用数学进展》
2023年第6期3021-3029,共9页
-
文摘
社区检测是研究复杂网络的热点话题之一,其目的是找到具有共同性质的社区成员。随着网络复杂性的增强,传统算法在时间和精度上都受到了一定的限制。基于此,本文提出一种基于社区密度的重叠社区检测方法。在该方法中,我们首先对顶点的邻居集做交集运算,在确定初始候选社区的基础上过滤掉社区密度低于阈值的社区。其次,以社区间相似性这一概念作为社区合并的判断条件,生成重叠社区。最后,我们在两类合成网络上与现有的经典算法作比较,实验结果表明本文所建立的算法是有效的。
-
关键词
社区检测
重叠社区
社区密度
单一阈值
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于符号网络的两阶段融合社区发现算法
被引量：1
- 2
-
-
作者
胡心专
郭景峰
赵月
梁浩
-
机构
燕山大学经济管理学院
燕山大学信息科学与工程学院
河北省虚拟技术与系统集成重点实验室
-
出处
《小型微型计算机系统》
CSCD
北大核心
2016年第5期915-920,共6页
-
基金
国家自然科学基金项目(61472340)资助
国家自然科学青年基金项目(61303040
+1 种基金
71271186)资助
河北省自然科学基金面上项目(G2015203242)资助
-
文摘
目前针对符号网络社区发现研究越来越受到重视,CRA(Clustering Re-clustering Algorithm)算法代表比较流行的一种思路,即将社区划分过程分为两个阶段:第一步先删除负边,对剩余网络用传统社区发现算法进行社区划分;第二步再用符号网络特定社区质量评价函数调整分区.此类算法由于没有充分考虑负边信息而导致了划分不正确的问题.本文通过引入网络正密度,提出一种两阶段融合算法TFCRA(Two-stage Fusion Clustering Re-clustering Algorithm),在社区划分过程中,不再删除负边,通过网络正密度和社区正密度的比较调整带负边的顶点的归属.实验证明,TFCRA能解决CRA算法存在的对某些网络无法划分和从不同顶点出发可能导致划分出错的问题.
-
关键词
社区发现
符号社会网络
社区正密度
聚类
-
Keywords
community detection
signed social networks
network positive density
cluster
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
