基于最大生成树的重叠社区发现算法

发布时间：2021-07-10 03:49

　　挖掘复杂网络的重叠社区结构对研究复杂系统具有重要的理论和实践意义。针对局部扩展算法（local fitness method,LFM）随机选取种子节点造成的社区结果鲁棒性较低等问题,提出了一种基于最大生成树的重叠社区发现算法:提出一种新颖的边权重定义,将无权的网络转换为带权重的网络,而且该权重真实反映了网络真实结构;提出一种节点影响力计算方法,反映节点在整个网络结构中的重要程度;提出了一种新的生成候选种子集的方法,并借助最大生成树使得到的候选种子节点在网络中更具有代表性;对初始社区划分结果进行优化,避免社区之间重叠度过多。经仿真实验发现,该算法与经典的重叠社区发现算法相比,无论在真实网络还是LFR人工网络上,均有良好的表现。 

【文章来源】：计算机应用研究. 2020,37(S2)北大核心CSCD

【文章页数】：4 页

【文章目录】：
0 引言
1 相关定义
    1.1 基本概念
    1.2 边权重模型
    1.3 最大生成树
    1.4 节点影响力
    1.5 社区适应度
    1.6 添加节点适应度
    1.7 删除节点适应度
    1.8 社区重叠度
2 算法思想与分析
    2.1 候选种子集
    2.2 生成初始社区集合
    2.3 社区结果优化
3 评价
    3.1 实验数据
        3.1.1 真实数据
        3.1.2 LFR人工数据集
    3.2 评价指标
        3.2.1 模块度（EQ)
        3.2.2 标准互信息（NMI)
    3.3 实验条件
    3.4 实验结果
4 结束语


【参考文献】：
期刊论文
[1]基于平均互信息的最优社区发现方法[J]. 李东,程鸣权,徐杨,袁峰,陈奕男,付雅晴.  中国科学:信息科学. 2019(05)
[2]基于结构紧密性的重叠社区发现算法[J]. 潘剑飞,董一鸿,陈华辉,钱江波,戴明洋.  电子学报. 2019(01)
[3]面向复杂有权网络的社区发现方法研究[J]. 谭红叶,吴永科,张虎,刘全明,李茹.  中文信息学报. 2018(08)
[4]一种基于边界节点识别的复杂网络局部社区发现算法[J]. 刘阳,季新生,刘彩霞.  电子与信息学报. 2014(12)



本文编号：3275127