一种融合节点变化信息的动态社区发现方法

作     者：贺超波 成其伟 程俊伟 刘星雨 余鹏 陈启买 HE Chao-bo;CHENG Qi-wei;CHENG Jun-wei;LIU Xing-yu;YU Peng;CHEN Qi-mai

作者机构：华南师范大学计算机学院广东广州510631 维沃移动通信有限公司广东东莞523859 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2024年第52卷第8期

页      面：2786-2798页

核心收录：

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 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(No.62077045) 

主　　题：动态社区发现 半监督非负矩阵分解 k-core分析 社区网络 复杂网络 

摘      要：动态社区发现旨在检测动态复杂网络中蕴含的社区结构,对于揭示网络的功能及演化模式具有重要研究价值.由于相邻时刻网络的社区结构具有平滑性,前一时刻网络的社区划分信息可以用于监督当前时刻网络的社区划分过程,但已有方法均难以有效提取这些信息来提高动态社区发现性能.针对该问题,提出一种融合节点变化信息的动态社区发现方法(Semi-supervised Nonnegative Matrix Factorization combining Node Change Information,NCI-SeNMF).NCI-SeNMF首先采用k-core分析方法提取前一时刻社区网络的degeneracy-core,并选取degeneracy-core中的节点构造社区隶属先验信息,然后对相邻时刻网络的节点局部拓扑结构变化程度进行量化,并将其用于进一步修正社区隶属先验信息,最后通过半监督非负矩阵分解模型集成社区隶属先验信息进行动态社区发现.在多个人工合成动态网络和真实世界动态网络上进行大量对比实验,结果表明,NCI-SeNMF比现有动态社区发现方法在主要评价指标上至少提升了4.8%.