基于节点间影响力的重叠社团发现算法

发布时间：2021-05-14 16:24

　　为了降低重叠社团发现算法的时间复杂度,提高社团发现的准确性和稳定性,基于标签传播和COPRA算法的思想,提出了一种基于节点间影响力的重叠社团发现算法OCDI（Overlapping Community Detection Algorithm Besed on Influence Between Nodes）。该算法首先采用PageRank算法计算出各节点的PageRank值,并进行迭代,直到稳定;然后采用节点的PageRank值衡量节点的重要性,根据节点的重要性按照升序对节点进行排序,进而确定更新节点标签的顺序;其次在标签更新策略中,引入节点与其邻居节点之间的影响力,基于这种影响力计算节点标签的隶属度,最终发现重叠社团。在真实网络和人工合成网络上的实验结果表明,文中设计的OCDI算法不仅能够有效地检测出重叠社团,而且具有较高的稳定性和近似于线性的时间复杂度。 

【文章来源】：南京邮电大学学报(自然科学版). 2020,40(04)北大核心

【文章页数】：7 页

【文章目录】：
1 相关知识
    1.1 COPRA算法与LPANNI算法
    1.2 PageRank算法
2 算法设计
    2.1 OCDI算法思路
    2.2 PageRank算法的应用
    2.3 OCDI算法的节点间影响力
    2.4 OCDI算法的标签更新策略
    2.5 OCDI算法流程描述
    2.6 时间复杂度分析
3 实验结果与分析
    3.1 实验结果评价指标
        (1) 重叠模块度。
        (2) 标准化互信息。
    3.2 实验数据集
        (1) 真实社会网络数据集。
        (2) 人工合成网络。
    3.3 社会网络实验结果及分析
    3.4 人工合成网络实验结果及分析
4 结束语


【参考文献】：
期刊论文
[1]基于改进的Jaccard相似系数矩阵的社团划分算法[J]. 张猛,李玲娟.  南京邮电大学学报(自然科学版). 2018(06)
[2]基于节点相似性度量的社团结构划分方法[J]. 梁宗文,杨帆,李建平.  计算机应用. 2015(05)
[3]Detecting overlapping communities in networks via dominant label propagation[J]. 孙鹤立,黄健斌,田勇强,宋擒豹,刘怀亮.  Chinese Physics B. 2015(01)
[4]基于三角形的重叠社团发现算法[J]. 马菲,徐汀荣,孙龙.  计算机应用研究. 2014(02)

硕士论文
[1]基于谱聚类的复杂网络重叠社团检测算法研究[D]. 杨阳.安徽大学 2019



本文编号：3185962