-
题名基于传染病模型的LPA特征阀值社团划分方法
被引量：3
- 1
-
-
作者
邓小龙
温颖
-
机构
北京邮电大学可信分布式计算与服务教育部重点实验室
北京邮电大学国际学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2016年第9期2114-2120,共7页
-
基金
国家973重点基础研究发展计划(No.2013CB329600)
"十二五"国家科技支撑计划国家文化科技创新工程(No.2013BAH43F01)
国家自然科学基金(No.91024032)
-
文摘
社团结构划分对于分析复杂网络的统计特性非常重要.在非均匀社交网络的信息传播中,社团结构划分更是一个广泛关注的研究热点,相关研究往往侧重于研究紧密连接的社团结构对于信息传播所产生的关键影响.传统社团划分方法大多基于点和边的相关特性进行构建,如标签传播算法LPA(Label Propagation Algorithm)通过半监督机器学习方法,基于网络节点标签的智能交换和社团融合过程进行社团划分,但运行效率较低.为提高LPA类算法的运行速度,使其快速收敛,并提高社团划分精度,特别是重叠社团划分精度,针对LPA算法划分中的低运行效率和低融合收敛速度,本文从标签传播的网络连接矩阵本质出发,将该矩阵的最大非零特征值与网络标签信息传播的阀值相结合,提出了新的基于传染病传播模型的社团划分方法(简称ESLPA算法,Epidemic Spreading LPA).通过经典LFR Benchmark模拟测试网络、随机网络以及真实社交网络数据上的算法验证,结果表明该算法时间复杂度大幅优于经典LPA算法,在重叠社团划分上精确度优于基于LPA模型的经典COPRA算法,特别是在重叠社团较明显时,划分精度接近精度较高GA、N-cut和A-cut算法,明显优于GN、Fast GN和CPM等经典算法.
-
关键词
重叠社团划分
流行病模型
信息扩散
最大非零特征值
-
Keywords
overlapping community detection
Epidemic model
information spreading
largest eigenvalue
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
