基于多核心节点的增量式动态社区发现算法

作     者：陈晶 刘志君 杨新宇 刘洺辛 刘苗苗 CHEN Jing;LIU Zhijun;YANG Xinyu;LIU Mingxin;LIU Miaomiao

作者机构：广东海洋大学数学与计算机学院广东湛江524088 燕山大学信息科学与工程学院计算机系河北秦皇岛066004 河北省虚拟技术与系统集成重点实验室河北秦皇岛066004 广东海洋大学电子信息工程学院广东湛江524088 东北石油大学计算机与信息技术学院黑龙江大庆163318 

出 版 物：《通信学报》 (Journal on Communications)

年 卷 期：2024年第45卷第3期

页      面：66-80页

核心收录：

学科分类：08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(No.62172352,No.42306218) 中央省部共建基金资助项目(No.226Z0102G,No.226Z0305G) 河北省自然科学基金资助项目(No.2022203028,No.F2023407003) 广东海洋大学科研启动基金资助项目(No.060302102304)。 

主　　题：核心节点 增量式 网络演化 社区发现 

摘      要：针对动态社区发现算法通常基于社区结构平稳变化的假设,而难以应对演化过程中可能出现的大量社区消亡或涌现等突发事件的问题,提出了一种基于多核心节点的增量式动态社区发现算法MCNIDCD。首先,将核心节点分为扩散型和内聚型,制定4种增量更新策略。其次,通过局部更新调整节点社区归属,并采用增量模块度方法优化社区结构。最后,实现社区合并。在人工和真实网络上对该算法的性能进行了评估,实验结果表明,在对比目前相关动态社区检测算法时,在人工网络仿真环境中,MCNIDCD算法表现出与社区演化规律的高度契合性;在真实网络实验中,MCNIDCD算法在模块度性能指标上平均提升了28%,并且在稳定性方面具有良好的优势,其优势对于研究动态社区演化过程具有重要的意义。