针对已有群智感知服务中的社区发现方法没有考虑边的权重和方向性等问题,提出了一种基于最优路径的社区划分算法(community detection algorithm based on node optimal path,CDOP),通过计算网内移动节点间的最优路径树(OPT)、相似指数(...针对已有群智感知服务中的社区发现方法没有考虑边的权重和方向性等问题,提出了一种基于最优路径的社区划分算法(community detection algorithm based on node optimal path,CDOP),通过计算网内移动节点间的最优路径树(OPT)、相似指数(SI)和社区离散指数(community dispersion index,DS)等参数,实现了对有向加权网络中服务社区的合理划分。实验结果表明,在面向MIT数据集中,算法的准确性平均达到94.2%左右,高于其他已有模型10.9%左右。此外,该算法在面向其他不同类型的网络数据集中仍然具有良好的准确性,进一步说明了算法的有效性和扩展性。展开更多
文摘针对已有群智感知服务中的社区发现方法没有考虑边的权重和方向性等问题,提出了一种基于最优路径的社区划分算法(community detection algorithm based on node optimal path,CDOP),通过计算网内移动节点间的最优路径树(OPT)、相似指数(SI)和社区离散指数(community dispersion index,DS)等参数,实现了对有向加权网络中服务社区的合理划分。实验结果表明,在面向MIT数据集中,算法的准确性平均达到94.2%左右,高于其他已有模型10.9%左右。此外,该算法在面向其他不同类型的网络数据集中仍然具有良好的准确性,进一步说明了算法的有效性和扩展性。
