一种新的社区/动态社区优化方法

发布时间：2021-07-04 18:49

　　社区结构作为复杂网络的重要拓扑特性之一,成为当前的研究热点。本文提出了一种基于边排序和模块度优化的社区发现方法。该方法首先对初始的静态网络进行稀疏化,然后在稀疏化后的网络上依据边的重要程度对边进行排序,给出了一种模块度最大化、快速边合并的社区发现方法（Fast rank-based community detection,FRCD）。在初始网络社区划分结果的基础上,将该方法推广到动态、实时社区划分上,给出了一种快速、鲁棒的动态社区划分方法（Incremental dynamic community detection,IDCD）。理论分析表明FRCD相对于边具有线性时间复杂度。在实际和人工网络上的实验结果均表明,本文提出的方法无论在静态网络社区划分还是在动态网络社区追踪上都优于已有方法。 

【文章来源】：数据采集与处理. 2015,30(06)北大核心CSCD

【文章页数】：10 页

【文章目录】：
引言
1 研究基础
2 FRCD算法
    2.1 边相似度计算
    2.2 网络局部稀疏化
    2.3 社区指派和合并
    2.4 算法的时间复杂度分析
3 IDCD算法
4 实验结果与分析
    4.1 静态社区结构的实验比较
        4.1.1 真实实验数据
        4.1.2 人工网络数据
    4.2 动态网络的实验比较
5 结束语


【参考文献】：
期刊论文
[1]一种自适应网络舆情演化建模方法[J]. 周耀明,李弼程.  数据采集与处理. 2013(01)



本文编号：3265339