-
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]
-
-
题名融合拓扑势的自适应层次聚类算法研究
- 2
-
-
作者
毛颖颖
杨新凯
-
机构
上海师范大学信息与机电工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2020年第S01期37-39,60,共4页
-
文摘
针对传统凝聚式层次化数据发现算法效率不高、生成的层次谱图复杂、主要解决静态数据而较少针对动态数据的问题,提出一种融合拓扑势的自适应层次聚类算法(adaptive hierarchical clustering algorithm incorporating topological potentials,AHCITP)。该算法首先融合拓扑势场理论构建出揭示节点自适应层次关系的峰谷结构;然后结合改进的全局模块度增量算法合并最优代表节点,并根据数据变化的局部性原理更新数据网等,进而得到多类型数据集的层次聚类结果或演化过程。实验显示,该方法具有自适应迭代、速度快、稳定高效等优点,更能很好地解决类间重叠、类内动态演化、多样数据聚类等问题。
-
关键词
拓扑势
自适应层次聚类
峰谷结构
模块度增量
局部性原理
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
