一种基于加权共同邻居相似度的局部社区发现算法
A novel local community detection algorithm based on common neighbors similarity measurement with weighted neighbor nodes作者机构：哈尔滨理工大学计算机科学与技术学院哈尔滨150080 绥化学院信息工程学院绥化152061
出 版 物：《南京大学学报（自然科学版）》 (Journal of Nanjing University（Natural Science）)
年 卷 期：2018年第54卷第4期
页 面：751-757页
核心收录：
学科分类：08[工学] 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(61172168) 绥化学院基本科研业务费(2017-XKYYWF-016)
主 题：局部社区发现 共同邻居相似度 加权邻居节点 社区结构
摘 要：传统的社区发现算法能够找出网络中所有的社区,其时间复杂度取决于网络的规模.挖掘大网络中的全局社区结构因为时间复杂度高而难以实现,局部社区发现作为一种不需要知道网络的整体结构,从给定的节点逐步向外扩展,寻找该节点所在社区的方法,在大网络时代具有重要的应用意义.目前这方面的研究已经获得广泛关注,并提出了很多局部社区发现算法.针对已有局部社区发现算法需要人工设置参数、准确率低的问题,提出一种新的局部社区发现算法.首先,提出一种加权邻居节点的共同邻居相似度指标,用于计算网络中两个节点间的相似度;然后,基于该相似度指标,给出一种新的局部社区质量度量指标,在保证社区度量指标不下降的前提下,不断选择与当前局部社区嵌入度最大的节点加入到局部社区,逐步找出给定节点所在的社区;最后,在真实网络和仿真网络数据集上进行了实验.实验结果表明,该算法能有效地挖掘出给定节点所在的局部社区,相比具有代表性的Clauset,LWP,GMAC等局部社区发现算法有更高的准确率.
维普期刊数据库
同方期刊数据库