可探测社区稳定结构的局部社区发现算法
发布时间：2020-03-11 00:02
【摘要】：社交网络的动态变化使社区发现的精确度面临更高挑战。目前提出的大部分算法都是以寻求模块度最优解来发现社区,但往往会忽略所发现的社区结构是否稳定。根据力学平衡原理即当一个物体所受内部力和外部力平衡的条件下可达稳定状态,因此基于点的稳定性机制,判断节点来自社区内部连边数量与来自外部社区连边数量的最大值是否保持平衡,提出一种可探测稳定结构的局部社区发现算法。网络的稳定性大小与社区的结构有很大的关系,因此将网络的稳定性作为一种新的评价社区结构优良的标准。通过在真实网络和人工集成网络上进行实验对比发现提出的算法的社区结构稳定度比其他算法高,同时能发现精确度高的社区。
【图文】：
的社交关系；该俱乐部有34个会员，但由于主管与校长由于人事问题产生了分歧，因此俱乐部分成两大派。本文提出的算法与CFinder算法、LFM算法和Infomap算法在该经典网络中做了测试，各个算法的评价指标值如表2所示。从表中可以看到本文算法的稳定度最高。本文算法经过4次迭代后网络的稳定值达到稳定，网络的聚集度为0.3153，所发现的社区个数是2个，与真实社区相符。其余3种算法发现的社区个数是3个，证明本文算法的准确度比较高（右边的括号表示的是按照值的大小排序的位置标号）。本文算法对KarateClub的分区结果，如图7所示。（2）DolphinNet，海豚网络是一个真实存在用于研究社交关系的经典网络，是科学家通过研究新西兰神奇海湾62只海豚的生活，所描述的海豚之间的社交联系。在本文中依然采用本文算法，CFinder（k=3）算法，LFM算法和Infomap在网络上进行测试，测试结果如表3所示，可以看出Infomap算法虽然可以达到很高的模块度但稳定度没有本文算法高。本文算法对DolphinNet的分区结果，如图8所示。本文算法经过4次迭代后网络的稳定值达到稳定，网络的聚集度为0.2692，所发现的社区个数是3个，但有两个节点（8，20）是独立社团，将该独立社团加入任何一个都不会引起模块度的变化，但将该独立社团加入社区1后，稳定度由0.45003变为0.45017，所以将（8，20）分到社区1中，结果与真实社区结果相符。CFinde（rk=3）发现的社区个数是4个，LFM算法发现的社区个数是9个，Infomap算法所发现的社区个数是7个，社区发现效果均不如本文算法。（3）Colledgefootball，是基于足球队之间的常规赛形成的一个足球社交网络，该足球队有115个队员形成12个联盟，，赛程安排规定足球联盟队内的比赛多于队间的比赛，因此形成明显的社区结构，可以
值纳缜釱鍪?是3个，证明本文算法的准确度比较高（右边的括号表示的是按照值的大小排序的位置标号）。本文算法对KarateClub的分区结果，如图7所示。（2）DolphinNet，海豚网络是一个真实存在用于研究社交关系的经典网络，是科学家通过研究新西兰神奇海湾62只海豚的生活，所描述的海豚之间的社交联系。在本文中依然采用本文算法，CFinder（k=3）算法，LFM算法和Infomap在网络上进行测试，测试结果如表3所示，可以看出Infomap算法虽然可以达到很高的模块度但稳定度没有本文算法高。本文算法对DolphinNet的分区结果，如图8所示。本文算法经过4次迭代后网络的稳定值达到稳定，网络的聚集度为0.2692，所发现的社区个数是3个，但有两个节点（8，20）是独立社团，将该独立社团加入任何一个都不会引起模块度的变化，但将该独立社团加入社区1后，稳定度由0.45003变为0.45017，所以将（8，20）分到社区1中，结果与真实社区结果相符。CFinde（rk=3）发现的社区个数是4个，LFM算法发现的社区个数是9个，Infomap算法所发现的社区个数是7个，社区发现效果均不如本文算法。（3）Colledgefootball，是基于足球队之间的常规赛形成的一个足球社交网络，该足球队有115个队员形成12个联盟，赛程安排规定足球联盟队内的比赛多于队间的比赛，因此形成明显的社区结构，可以进行算法研究。采用本文算法，CFinder（k=3）算法，LFM算法和Infomap算法在网络上进行测试，测试结果发现本文算法的社区结构比较稳定，如表4所示。4种算法都能很好地发现足球联队之间的社区结构，即各个足球联队之间的分布明显。本文算法发现的社区模块度不如其他算法，但是统计最大社区个数发现，本文算法能发现的是社区最多是13个，与真实社区（12个）的相似度为0.92，而Info
【图文】：
的社交关系；该俱乐部有34个会员，但由于主管与校长由于人事问题产生了分歧，因此俱乐部分成两大派。本文提出的算法与CFinder算法、LFM算法和Infomap算法在该经典网络中做了测试，各个算法的评价指标值如表2所示。从表中可以看到本文算法的稳定度最高。本文算法经过4次迭代后网络的稳定值达到稳定，网络的聚集度为0.3153，所发现的社区个数是2个，与真实社区相符。其余3种算法发现的社区个数是3个，证明本文算法的准确度比较高（右边的括号表示的是按照值的大小排序的位置标号）。本文算法对KarateClub的分区结果，如图7所示。（2）DolphinNet，海豚网络是一个真实存在用于研究社交关系的经典网络，是科学家通过研究新西兰神奇海湾62只海豚的生活，所描述的海豚之间的社交联系。在本文中依然采用本文算法，CFinder（k=3）算法，LFM算法和Infomap在网络上进行测试，测试结果如表3所示，可以看出Infomap算法虽然可以达到很高的模块度但稳定度没有本文算法高。本文算法对DolphinNet的分区结果，如图8所示。本文算法经过4次迭代后网络的稳定值达到稳定，网络的聚集度为0.2692，所发现的社区个数是3个，但有两个节点（8，20）是独立社团，将该独立社团加入任何一个都不会引起模块度的变化，但将该独立社团加入社区1后，稳定度由0.45003变为0.45017，所以将（8，20）分到社区1中，结果与真实社区结果相符。CFinde（rk=3）发现的社区个数是4个，LFM算法发现的社区个数是9个，Infomap算法所发现的社区个数是7个，社区发现效果均不如本文算法。（3）Colledgefootball，是基于足球队之间的常规赛形成的一个足球社交网络，该足球队有115个队员形成12个联盟，，赛程安排规定足球联盟队内的比赛多于队间的比赛，因此形成明显的社区结构，可以
值纳缜釱鍪?是3个，证明本文算法的准确度比较高（右边的括号表示的是按照值的大小排序的位置标号）。本文算法对KarateClub的分区结果，如图7所示。（2）DolphinNet，海豚网络是一个真实存在用于研究社交关系的经典网络，是科学家通过研究新西兰神奇海湾62只海豚的生活，所描述的海豚之间的社交联系。在本文中依然采用本文算法，CFinder（k=3）算法，LFM算法和Infomap在网络上进行测试，测试结果如表3所示，可以看出Infomap算法虽然可以达到很高的模块度但稳定度没有本文算法高。本文算法对DolphinNet的分区结果，如图8所示。本文算法经过4次迭代后网络的稳定值达到稳定，网络的聚集度为0.2692，所发现的社区个数是3个，但有两个节点（8，20）是独立社团，将该独立社团加入任何一个都不会引起模块度的变化，但将该独立社团加入社区1后，稳定度由0.45003变为0.45017，所以将（8，20）分到社区1中，结果与真实社区结果相符。CFinde（rk=3）发现的社区个数是4个，LFM算法发现的社区个数是9个，Infomap算法所发现的社区个数是7个，社区发现效果均不如本文算法。（3）Colledgefootball，是基于足球队之间的常规赛形成的一个足球社交网络，该足球队有115个队员形成12个联盟，赛程安排规定足球联盟队内的比赛多于队间的比赛，因此形成明显的社区结构，可以进行算法研究。采用本文算法，CFinder（k=3）算法，LFM算法和Infomap算法在网络上进行测试，测试结果发现本文算法的社区结构比较稳定，如表4所示。4种算法都能很好地发现足球联队之间的社区结构，即各个足球联队之间的分布明显。本文算法发现的社区模块度不如其他算法，但是统计最大社区个数发现，本文算法能发现的是社区最多是13个，与真实社区（12个）的相似度为0.92，而Info
【相似文献】
相关期刊论文 前10条
1 任庆生,叶中行,曾进;进化算法的收敛速度[J];上海交通大学学报;1999年06期
2 唐浩;;蚁群算法的研究与展望[J];牡丹江教育学院学报;2009年06期
3 邓小波;曹聪聪;龙伦海;康耀红;;蚁群算法搜索熵研究[J];海南大学学报(自然科学版);2007年04期
4 张康;顾幸生;;全局组搜索优化算法及其应用研究[J];青岛科技大学学报(自然科学版);2012年05期
5 李东晓;蒋珉;柴干;;蚁群算法优化及其在高速公路紧急救援中的应用[J];计算机技术与发展;2010年11期
6 李德胜;张才仙;陈淑铭;;选择策略对进化算法性能的影响[J];科技资讯;2007年11期
7 韩明红;邓家y
本文编号：2586157
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2586157.html
