检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于流式分析的大规模网络重叠社区发现算法

电子学报 2022年第8期50卷 1951-1958页

作者：李辉张建朋陈福才信息工程大学信息技术研究所河南郑州450002

为了提高在大规模网络中发现社区的效率,提出一种基于流式分析的大规模网络重叠社区发现算法(Streaming-based Overlapping Community Detection algorithm,SOCD).算法对网络中的边进行流式处理,每次只处理一条边且每条边仅被处理一次.... 详细信息

为了提高在大规模网络中发现社区的效率,提出一种基于流式分析的大规模网络重叠社区发现算法(Streaming-based Overlapping Community Detection algorithm,SOCD).算法对网络中的边进行流式处理,每次只处理一条边且每条边仅被处理一次.根据节点的度、节点对社区的贡献度以及节点移动前后社区间连边数量的变化等信息对节点进行划分.在人工合成网络和真实大规模网络上的一系列实验表明,SOCD算法在时间消耗和内存占用上具有较大的优势,比传统方法快10倍以上,且具有较强的鲁棒性,能够在线性时间和空间复杂度下高效、准确地挖掘网络中的重叠社区结构.

关键词：社区发现重叠社区大规模网络流式分析节点贡献度

基于模块度感知图自编码器的重叠社区发现模型

在线全文

学校读者我要写书评

暂无评论

清华大学学报(自然科学版) 2024年

作者：陈洁刘斌斌赵姝张燕平计算智能与信号处理教育部重点实验室(安徽大学) 安徽大学计算机科学与技术学院

图自编码器模型作为网络表示学习的代表性方法,在链路预测和节点分类任务方面性能表现优异。然而,图自编码器模型在处理社区发现任务时通常只考虑局部节点连边的重建而忽略了社区全局结构的影响,尤其是在多个社区存在重叠节点的情况下,... 详细信息

图自编码器模型作为网络表示学习的代表性方法,在链路预测和节点分类任务方面性能表现优异。然而,图自编码器模型在处理社区发现任务时通常只考虑局部节点连边的重建而忽略了社区全局结构的影响,尤其是在多个社区存在重叠节点的情况下,难以准确判断节点归属关系和社区分布。针对此问题,该文提出了一种面向重叠社区发现的无监督模块度感知图自编码器模型(modularity-aware graph autoencoder model for overlapping community detection, GAME), GAME采用一种高效的模块度损失函数,该函数在网络嵌入过程中保留社区关系的同时,能重构损失并更新编码器的参数,以提高模型针对重叠社区发现任务的性能,进而将GAME得到的社区隶属度矩阵以概率节点形式进行社区分配。该文提出的GAME在10个公开数据集上进行实验验证,并与主流的基于表示学习的重叠社区发现模型进行对比。实验结果表明:在归一化互信息(normalized mutual information, NMI)评估指标下, GAME模型性能优于主流模型,证明该模型有效。

关键词：社区发现重叠社区图自编码器模块度最大化社区隶属度矩阵

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

重叠社区发现算法评价指标综述

计算机技术与发展 2024年第5期34卷 1-9页

作者：韩红旗徐紫燕李琳娜周则旭中国科学技术信息研究所北京100038 富媒体数字出版内容组织与知识服务重点实验室(国家新闻出版署) 北京100038

重叠社区发现算法对于理解复杂系统、发现复杂网络中隐藏的规律等具有很强的应用价值,而评价指标是算法发现高质量重叠社区的一个关键要素,算法的进步常常依赖于评价指标的进步。现有研究对非重叠社区发现算法的评价指标有较多的总结,... 详细信息

重叠社区发现算法对于理解复杂系统、发现复杂网络中隐藏的规律等具有很强的应用价值,而评价指标是算法发现高质量重叠社区的一个关键要素,算法的进步常常依赖于评价指标的进步。现有研究对非重叠社区发现算法的评价指标有较多的总结,而没有对重叠社区发现算法的评价指标进行总结。对重叠社区发现算法的评价指标进行了系统的总结和回顾,将指标分为事先知道社区结构、事先不知道社区结构和其它三大类。事先知道社区结构的评价指标包括基于混淆矩阵、基于ARI、基于NMI三个子类评价指标,事先不知道社区结构的评价指标包括基于模块度、基于密度、基于元数据三个子类评价指标,其它类主要介绍算法可扩展性评价指标。深入理解各种评价指标对于开发和优化重叠社区发现算法、在实际应用中发现高质量社区具有重要价值。

关键词：重叠社区评价指标社区发现社区结构复杂网络

在线全文

学校读者我要写书评

暂无评论

改进局部扩展的复杂网络重叠社区检测算法

西安科技大学学报 2023年第3期43卷 603-612页

作者：付立东刘佳会王秋红西安科技大学计算机科学与技术学院陕西西安710054 中国电子科技集团有限公司第20所陕西西安710068

为有效度量种子质量和确定节点的社区归属,通过考虑节点与社区内外的邻域信息,提出一种改进的局部扩展算法来检测复杂网络中的重叠社区。利用节点凝聚度指标度量节点对周围邻居的凝聚力,得到候选种子集;采用社区归属度和归属阻力指标对... 详细信息

为有效度量种子质量和确定节点的社区归属,通过考虑节点与社区内外的邻域信息,提出一种改进的局部扩展算法来检测复杂网络中的重叠社区。利用节点凝聚度指标度量节点对周围邻居的凝聚力,得到候选种子集;采用社区归属度和归属阻力指标对种子及邻居形成的核心区域进行扩展;通过社区边界节点的移动来修正节点与社区之间不准确的隶属关系。结果表明:改进的局部扩展算法在合成网络上的标准化互信息和真实网络上的扩展模块度值优于对比算法,可以有效发现复杂网络中的重叠社区,重叠社区检测准确率更高;算法所选择的种子质量较高,D-Score值低于对比算法,发现的社区个数与真实分区更为接近,社区发现结果更符合真实情况。研究结果便于理解复杂系统的性质、特征和结构,揭示社区的演化趋势。

关键词：局部扩展重叠社区节点凝聚度社区归属度边界节点

采用PageRank和节点聚类系数的标签传播重叠社区发现算法

在线全文

学校读者我要写书评

暂无评论

国防科技大学学报 2019年第1期41卷 183-190页

作者：马健刘峰李红辉樊建平北京交通大学计算机与信息技术学院北京100044

基于标签传播的社区发现算法可以检测出复杂网络的重叠社区结构,因此提出了一种基于PageRank和节点聚类系数的重叠社区发现算法。该算法使用PageRank算法对节点的影响力进行排序,可以稳定社区发现结果,节点的聚类系数是一个与节点相关的... 详细信息

基于标签传播的社区发现算法可以检测出复杂网络的重叠社区结构,因此提出了一种基于PageRank和节点聚类系数的重叠社区发现算法。该算法使用PageRank算法对节点的影响力进行排序,可以稳定社区发现结果,节点的聚类系数是一个与节点相关的值,使用节点聚类系数修改算法的参数并限制每个节点拥有最多标签的数量值,可以提高社区挖掘的质量。在人工网络和真实世界的网络上测试,实验验证了该算法能够有效地检测出重叠社区,并具有可接受的时间效率和算法复杂度。

关键词：社区发现重叠社区标签传播聚类系数 PageRank算法节点影响力

在线全文

学校读者我要写书评

暂无评论

复杂网络的重叠社区发现并行算法

西南交通大学学报 2019年第1期54卷 211-218页

作者：滕飞戴荣杰任晓春西南交通大学信息科学与技术学院四川成都611756 轨道交通工程信息化国家重点实验室(中铁一院) 陕西西安710043

随着网络规模的快速增长,传统社区发现算法难以处理大规模网络数据和满足复杂网络的可扩展分析需求.本文提出一种适用于大规模复杂网络的重叠社区发现算法PHLink.该算法根据复杂网络的无标度特性将节点建立连边的原因进行分析和归类,用... 详细信息

随着网络规模的快速增长,传统社区发现算法难以处理大规模网络数据和满足复杂网络的可扩展分析需求.本文提出一种适用于大规模复杂网络的重叠社区发现算法PHLink.该算法根据复杂网络的无标度特性将节点建立连边的原因进行分析和归类,用以识别网络中具有重叠性的社区结构,并采用MapReduce计算框架对网络进行分割和冗余存储,减弱了图计算的耦合性,解决了社区发现算法的分布式计算问题.通过真实网络测试,PHLink算法可以大幅度降低边计算的复杂度,对于无标度特性明显的复杂网络提取0.1%的枢纽节点即可节省94%以上的计算量,较传统算法具有较高的稳定性和准确性,并且在Hadoop平台有良好的加速性和伸缩性,可以处理千万级连边规模的大规模复杂网络.

关键词：复杂网络重叠社区社区发现无标度并行算法 Hadoop

在线全文

学校读者我要写书评

暂无评论

基于重叠社区的影响力最大化算法

数据分析与知识发现 2019年第7期3卷 94-102页

作者：仇丽青贾玮范鑫山东科技大学计算机科学与工程学院

【目的】针对影响力最大化问题中贪心算法时间效率低的局限,提出基于重叠社区的影响力最大化算法。【方法】基于重叠社区,综合传播度最大的节点和重叠节点选出候选种子集,并采用CELF算法确定最优种子集,从而提高影响范围。【结果】实验... 详细信息

【目的】针对影响力最大化问题中贪心算法时间效率低的局限,提出基于重叠社区的影响力最大化算法。【方法】基于重叠社区,综合传播度最大的节点和重叠节点选出候选种子集,并采用CELF算法确定最优种子集,从而提高影响范围。【结果】实验数据表明,在亚马逊数据集上IM-BOC算法运行时间最大幅度能够提高约89%。【局限】仅凭社区节点的数量分配候选种子节点的数量,可能存在一定误差。【结论】基于重叠社区的IM-BOC算法在保证影响范围的前提下,适用于大型社交网络。

关键词：社交网络重叠社区影响力最大化

在线全文

学校读者我要写书评

暂无评论

基于贡献函数的重叠社区划分算法

电子与信息学报 2017年第8期39卷 1964-1971页

作者：刘功申孟魁郭弘毅苏波李建华上海交通大学电子信息与电气工程学院上海200240

现实世界中的网络结构呈现出重叠社区的特征。在研究经典的标签算法的基础上,该文提出基于贡献函数的重叠社区发现算法。算法将每个节点用三元组(阈值、标签、从属系数)集合来表示。节点的阈值是每次迭代过程中标签淘汰的依据,该值由多... 详细信息

现实世界中的网络结构呈现出重叠社区的特征。在研究经典的标签算法的基础上,该文提出基于贡献函数的重叠社区发现算法。算法将每个节点用三元组(阈值、标签、从属系数)集合来表示。节点的阈值是每次迭代过程中标签淘汰的依据,该值由多元线性方程自动计算而来。从属系数用于衡量当前节点与标签所标识社区的相关度,从属系数的值越大说明该节点与标签所标识社区的关联性越强。在每一次迭代的过程中,算法依据贡献函数计算每个节点的从属系数,并生成新的三元组集合。然后依据标签决策规则淘汰标签,进行从属系数规范化。通过对真实的复杂网络和LFR(Lancichinetti Fortunato Radicchi)自动生成的网络进行测试可知,该算法的社区划分准确率高,而且划分结果稳定。

关键词：复杂网络社区发现重叠社区

一种基于高阶组织的学习者潜在重叠社区检测算法

在线全文

学校读者我要写书评

暂无评论

华南师范大学学报（自然科学版） 2023年第1期55卷 45-54页

作者：李春英李天送林伟杰汤志康汤庸林荣华广东技术师范大学计算机科学学院广州510665 广东技术师范大学广东省知识产权大数据重点实验室广州510665 华南师范大学计算机学院广州510631 琶洲实验室广州510330

学习者网络拓扑结构稀疏,且传统的社区检测算法无法为惰性/冷启动学习者检测其潜在的社区。针对该类问题,提出了一种基于高阶组织的学习者潜在重叠社区检测算法(POCDL)。POCDL算法是一种局部图聚类算法,首先利用社交化在线课程平台中的... 详细信息

学习者网络拓扑结构稀疏,且传统的社区检测算法无法为惰性/冷启动学习者检测其潜在的社区。针对该类问题,提出了一种基于高阶组织的学习者潜在重叠社区检测算法(POCDL)。POCDL算法是一种局部图聚类算法,首先利用社交化在线课程平台中的好友关系、同学关系和师生关系解决学习者网络数据稀疏问题;然后挖掘学习者网络中的高阶组织并重构学习者网络;最后,根据学习者的度中心性选取初始种子集,根据社区归属度和社区亲密度进行局部社区检测。在人工网络和学者网真实网络数据集上的实验结果表明:POCDL算法能够较好地为惰性/冷启动学习者检测社区;对其他类型的复杂网络也具有一定的普适性。

关键词：学习者网络学习者潜在社区重叠社区局部社区检测高阶组织度中心性