一种结合节点局部影响力的标签传播算法
发布时间：2018-07-18 17:28
【摘要】：标签传播算法(LPA)作为一种简单高效的社区挖掘算法一直受到广泛的关注.但是标签传播过程中存在随机性,导致算法鲁棒性差、社区划分结果不稳定.为解决此类问题,本文提出一种结合节点局部影响力的算法(CRD-LPA).该算法综合考虑节点度、邻节点的消息传播能力、局部密度分布等因素,将近似集聚系数和节点局部密度引入到CRD系数的计算中,从而更精确的衡量节点在网络中的重要程度;然后,根据CRD系数对LPA算法的节点标签更新策略进行改进.实验结果表明,改进后的算法不仅提高了社区划分的质量,而且也表现出较好的鲁棒性.
[Abstract]:Label propagation algorithm (LPA) as a simple and efficient community mining algorithm has been widely concerned. However, there is randomness in the process of label propagation, which leads to poor robustness of the algorithm and unstable results of community partition. In order to solve this problem, this paper proposes an algorithm combining the local influence of nodes (CRD-LPA). Considering the factors of node degree, neighbor node's message transmission ability, local density distribution and so on, the approximate clustering coefficient and node local density are introduced into the calculation of CRD coefficient, so that the importance of nodes in the network can be measured more accurately. Then, the node label updating strategy of LPA algorithm is improved according to CRD coefficient. Experimental results show that the improved algorithm not only improves the quality of community partition, but also shows good robustness.
【作者单位】： 河南理工大学计算机科学与技术学院;
【基金】：国家科技重大专项核心电子器件、高端通用芯片及基础软件产品专项(2014ZX01045-102) 国家自然科学基金项目(61202286)资助
【分类号】：O157.5
本文编号：2132631
[Abstract]:Label propagation algorithm (LPA) as a simple and efficient community mining algorithm has been widely concerned. However, there is randomness in the process of label propagation, which leads to poor robustness of the algorithm and unstable results of community partition. In order to solve this problem, this paper proposes an algorithm combining the local influence of nodes (CRD-LPA). Considering the factors of node degree, neighbor node's message transmission ability, local density distribution and so on, the approximate clustering coefficient and node local density are introduced into the calculation of CRD coefficient, so that the importance of nodes in the network can be measured more accurately. Then, the node label updating strategy of LPA algorithm is improved according to CRD coefficient. Experimental results show that the improved algorithm not only improves the quality of community partition, but also shows good robustness.
【作者单位】： 河南理工大学计算机科学与技术学院;
【基金】：国家科技重大专项核心电子器件、高端通用芯片及基础软件产品专项(2014ZX01045-102) 国家自然科学基金项目(61202286)资助
【分类号】：O157.5
【相似文献】
相关期刊论文 前3条
1 颜学峰;包俊杰;张兵;钱锋;;节点与测量数据组合检测的数据协调及应用[J];化工学报;2007年11期
2 陈涛;董天;张树功;;Tower节点集上的极小次数牛顿基[J];吉林大学学报(理学版);2007年06期
3 ;[J];;年期
相关博士学位论文 前1条
1 朱天;社会网络中节点角色以及群体演化研究[D];北京邮电大学;2011年
相关硕士学位论文 前10条
1 韩锦华;节点失活的网络结构和动力学研究[D];陕西师范大学;2015年
2 邓冬梅;时序网络结构特性实证分析及研究[D];电子科技大学;2014年
3 夏涛;复杂网络社区发现算法研究[D];南京财经大学;2015年
4 陈颖娴;社交网络中社团发现机制的研究[D];电子科技大学;2015年
5 王兵;复杂网络的节点重要性度量算法研究[D];南京邮电大学;2015年
6 杨雪莹;复杂网络控制鲁棒性分析及驱动节点集优化选取算法研究[D];东北大学;2014年
7 王丽娟;复杂网络的关键节点挖掘与社团发现方法研究[D];桂林电子科技大学;2016年
8 王松华;基于异质网络的关键节点识别研究[D];西南大学;2014年
9 邵长城;复杂网络可控性分析与驱动节点集拓扑性质研究[D];东北大学;2012年
10 刘尧;复杂网络中关键节点发现技术研究[D];解放军信息工程大学;2009年
，本文编号：2132631
本文链接：https://www.wllwen.com/kejilunwen/yysx/2132631.html
