-
题名融合标签预处理与节点影响力的重叠社区发现算法
被引量：6
- 1
-
-
作者
吴清寿
陈荣旺
余文森
刘耿耿
-
机构
武夷学院数学与计算机学院
认知计算与智能信息处理福建省高校重点实验室(武夷学院)
福州大学数学与计算机科学学院
-
出处
《计算机应用》
CSCD
北大核心
2020年第12期3578-3585,共8页
-
基金
国家自然科学基金资助项目(61877010)
福建省自然科学基金资助项目(2019J01835)。
-
文摘
针对节点初始标签散乱及标签传播随机性大的问题,提出一种融合标签预处理与节点影响力的重叠社区发现算法。首先,计算节点影响力,逐步选择影响力值最大的节点作为中心节点;然后,用中心节点的标签对同质的邻居节点进行标签预处理,减少了初始标签数量,降低了后续标签传播的随机性,并初步识别出了重叠节点;其次,通过标签隶属系数识别重叠节点,用节点影响力值选择非重叠节点标签,提高了算法的稳定性和准确性;最后,以最大化自适应函数增量为目标,对内聚度弱的社区进行合并,提高了社区质量。仿真实验结果表明:对于六个真实网络,所提算法在50%的数据集上具有最大的扩展模块度值;而在不同混合度、节点重叠度和节点最大归属社区数的人工基准网络上,该算法在标准化互信息(NMI)指标上都具有最好的性能。综上所述,该算法对各类网络都具有较好的适应性,且具有接近线性的时间复杂度。
-
关键词
重叠社区
中心节点
标签传播
节点影响力
标签隶属系数
-
Keywords
overlapping community
central node
label propagation
node influence
label belonging coefficient
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
