-
题名融合拓扑势的社交网络层次化社区发现算法
被引量：4
- 1
-
-
作者
候梦男
王志晓
何婧
芮晓彬
高菊远
-
机构
中国矿业大学计算机学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2019年第1期56-63,共8页
-
基金
国家自然科学基金(No.61402482)
中国博士后基金(No.2015T80555)
江苏省博士后基金(No.1501012A)
-
文摘
社交网络的社区结构呈现层次性。针对传统凝聚式层次化社区发现算法效率不高以及生成的层次谱图复杂的问题,提出一种融合拓扑势的层次化社区发现算法,利用拓扑势场呈现的自然峰谷结构揭示社交网络社区间的层次关系。该算法搜索局部极大势值节点,并根据局部极大势值节点完成社区的初始划分;根据局部极大势值节点间的距离对初始社区进行迭代合并,直到所有社区被合并为一个社区。在真实社交网络和人工网络上的实验结果表明,该算法能够高效地发现社区的层次结构,生成的层次谱图简单直观。
-
关键词
社交网络
层次社区
拓扑势
峰谷结构
-
Keywords
social network
hierarchical community
topology potential
peak-valley structure
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于节点覆盖范围的影响力最大化算法
被引量：5
- 2
-
-
作者
高菊远
王志晓
芮晓彬
何婧
候梦男
-
机构
中国矿业大学计算机科学与技术学院
-
出处
《计算机工程与设计》
北大核心
2019年第8期2211-2215,2246,共6页
-
基金
国家自然科学基金项目(61402482)
中国博士后基金项目(2015T80555)
江苏省博士后基金项目(1501012A)
-
文摘
为解决传统影响力最大化算法时间复杂度高,选出节点过于集中,导致富人俱乐部现象(rich-club)的问题,提出一种基于节点覆盖范围的影响力最大化算法,将节点覆盖范围作为节点选取的中心性评价指标,有效避免选取种子节点时节点过于集中。为进一步减少运行时间,对该算法进行CELF优化。在各种规模网络上的实验结果表明,该算法能够有效选取最具影响力的节点。
-
关键词
社交网络
影响力最大化
节点覆盖范围
富人俱乐部现象
种子节点识别
-
Keywords
social network
influence maximization
node coverage
rich-club
seed node identification
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于拓扑势的增量式动态社区发现方法
被引量：2
- 3
-
-
作者
何婧
王志晓
候梦男
芮晓彬
高菊远
-
机构
中国矿业大学计算机科学与技术学院
-
出处
《计算机工程与设计》
北大核心
2019年第1期45-52,共8页
-
基金
国家自然科学基金项目(61402482)
中国博士后基金项目(2015T80555)
江苏省博士后基金项目(1501012A)
-
文摘
为保证动态社区发现效率,提高动态社区划分结果的准确性,提出一种基于拓扑势的增量式动态社区发现方法。增量式方法以前一个时间片网络的社区划分结果为基础,动态调整网络变化部分的社区归属,其余部分的社区结构仍保持不变。传统增量式方法只考虑增量节点,实际上,增量节点的邻居节点也会受到影响而出现社区归属的变化。该方法考虑增量节点,依据拓扑势场理论,进一步计算增量节点影响范围内的邻居节点,重新判定这些节点的社区归属。在真实和人工网络上的实验结果表明,该算法扩大了传统增量更新的范围,在保证计算效率的基础上,有效提高了社区划分结果的准确性。
-
关键词
拓扑势
数据场
社交网络
动态社区发现
增量分析
-
Keywords
topology potential
data field
social network
dynamic community detection
incremental clustering
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
