CN108446862A - 一种社会网络中重叠社区检测的三阶段策略算法 - Google Patents
一种社会网络中重叠社区检测的三阶段策略算法 Download PDFInfo
- Publication number
- CN108446862A CN108446862A CN201810269164.2A CN201810269164A CN108446862A CN 108446862 A CN108446862 A CN 108446862A CN 201810269164 A CN201810269164 A CN 201810269164A CN 108446862 A CN108446862 A CN 108446862A
- Authority
- CN
- China
- Prior art keywords
- community
- node
- overlapping
- algorithm
- seed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 14
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims description 11
- 101710191332 Cytochrome P450 monooxygenase cloA Proteins 0.000 abstract description 6
- 235000005156 Brassica carinata Nutrition 0.000 description 11
- 244000257790 Brassica carinata Species 0.000 description 11
- 238000000034 method Methods 0.000 description 4
- 241001125840 Coryphaenidae Species 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003012 network analysis Methods 0.000 description 2
- 235000013162 Cocos nucifera Nutrition 0.000 description 1
- 244000060011 Cocos nucifera Species 0.000 description 1
- 241001481833 Coryphaena hippurus Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004132 cross linking Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种社会网络中重叠社区检测的三阶段策略算法(简称Three‑stage Strategy算法),第一阶段:通过种子节点选择算法选择种子节点,构成种子节点集合S;第二阶段:根据划分重叠社区算法,结合a得出的种子集合S构造重叠社区;第三阶段:结合a和b划分的重叠社区,利用局部社区优化算法(简称CLOA算法),得到最终的重叠社区划分结果。从而能够解决种子选择不合理的问题,并且在计算时提高了划分结果的准确性,使社区结构更加清晰。
Description
技术领域
本发明涉及社交网络领域,提出一种社会网络中重叠社区检测的三阶段策略算法(简称Three-stage Strategy算法)。
背景技术
社交网络是一些个体以及他们之间的关系相互作用下产生的复杂网络,它作为媒介,使得社会成员个体之间相互影响。在社会网络中,用户之间信息相互影响,这表明用户之间存在着某种联系。而许多具有相同兴趣、相似属性以及联系紧密的用户会形成特殊的群体,这就是社交网络中的社区结构。在社会网络中,一个用户可能有多个兴趣爱好,因此他可能属于多个社区,这就形成重叠社区。在现实网络中,重叠社区是网络中另一重要特征,即:不同社区之间具有重叠节点。重叠社区的检测对于网络结构分析、社区划分等具有重要研究价值和科学意义。
目前阶段,关于重叠社区发现的研究侧重点不同,如基于标签传播的方法发现重叠社区,每个节点赋值为一个唯一的标签,通过迭代更新节点的标签,具有多个标签的节点即连接不同社区的重叠节点;基于局部社区优化和扩展的方法,从局部出发,逐步扩展,多个扩展之间形成交叉区域,形成重叠社区;基于K派系的重叠社区发现算法,以网络中的节点集作为主要研究对象。
通过以上解析过程可以看出:这些算法都有自己的适用范围和领域,并且其中大部分算法都受到一个共同缺陷(参数值)的影响,例如社区数量或社区规模。
发明内容
本发明要解决的问题是:针对目前有关重叠社区发现算法中种子节点选择不合理、算法准确率低的问题,提出一种社会网络中重叠社区检测的三阶段策略算法(简称Three-stage Strategy),该算法首先利用影响力函数找出局部影响力函数值最大的节点作为种子节点(这些节点构成的种子集合较好的分布在整个网络);然后使用社区局部引力算法优化重叠社区,保证算法的高效率、高准确性,降低算法的复杂度。
本发明的技术方案为:
1、本发明解决其技术问题所采用的技术方案是:社会网络中重叠社区检测的三阶段策略算法,具体方法如下:
(1)阶段1种子节点选择:先利用节点之间的强度计算其链接强度,然后计算每个节点对其所有邻居节点的影响力和值,根据节点影响力值选择种子节点,并将节点加入种子集合S中,其中链接强度wuv计算公式为:w(u,v)=αcuv/N(u)-1+N(v)-1-cuv,影响力强度F(u)的计算公式为:其中cuv为节点u和节点v之间共同节点数,N(u)为节点u的邻居节点数,α为高度数偏向性,Du表示节点u的度;
(2)阶段2划分重叠社区:首先从节点集合S中任意取一种子节点构造初始社区,并将其邻居节点状态为“F”的节点加入初始社区,其次根据隶属度函数,移除掉节点与社区的隶属度函数值小于阈值的节点,其中“F”表示节点尚未被划分到任何一社区,“T”则表示节点至少加入到一个社区中,隶属度函数B(u,C)的计算公式为:其中为节点u与社区C的连接度;
(3)阶段3优化重叠社区:结合阶段1及阶段2得出的重叠社区,根据社区局部优化算法(CLOA算法)优化重叠社区,其中社区局部优化算法根据局部社区引力优化重叠社区,局部社区引力LCG(u,C)的计算为公式:
进一步地,种子节点选择算法具体步骤如下:
(1)数据预处理,构造网络图;
(2)计算节点之间的链接强度w(u,v);
(3)根据得到的节点连接强度,计算节点的影响力强度F(u);
(4)比较节点与其邻居节点之间的影响力强度F(u)的大小;
(5)选取节点影响力强度大于其所有邻居节点的影响力值的节点作为种子节点,并将其加入种子集合S。
进一步地,划分重叠社区算法具体步骤如下:
(1)为了挖掘出社会网络中的重叠社区,事先将网络中所有节点都标记为“F”;
(2)根据种子节点选择算法中得到的种子集合S,取任意一种子节点构造初始社区,并更改种子节点状态为“T”;
(3)将其邻居节点状态为“F”的节点加入初始社区并将接点状态改为“T”;
(4)重复步骤(2)及(3),直到种子集合中全部种子节点状态为“T”
(5)计算节点与所在社区隶属度B(u,C);
(6)移除隶属度小于阈值的节点,更新初始社区;
(7)找出更新后的初始社区的所有邻居节点,记为NCi;
(8)计算每个节点与社区的隶属度B(v,NCi);
(9)将节点与社区的隶属度与阈值的大小关系,即将(B(v,NCi)≥a)的节点加入社区中,得到新初始重叠社区。
进一步地,社区局部优化算法(CLOA算法)具体步骤如下:
(1)计算重叠节点;
(2)计算每个节点所在社区的局部社区引力LCG(u,Ci);
(3)对于每一个节点u∈Ci,若节点所受到的来自于所属社区的引力λLCG(u,Ci)小于来自社区Cj的引力LCG(u,Cj),则将u划分到Cj,更新重叠节点;
(4)迭代更新上述步骤,直到重叠节点不变,得到最终的重叠社区。
本发明的有益效果是:所述的社会网络中重叠社区检测的三阶段策略算法,该算法不仅解决种子不合理问题,而且提高了算法的准确率。利用社区局部优化算法对重叠社区优化,降低算法复杂度,提高算法效率及准确度。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明所述的社会网络中重叠社区检测的三阶段策略算法的框架图;
图2是种子节点选择算法的基本流程图;
图3是划分初始重叠社区算法的基本流程图;
图4是CLOA算法的基本流程图;
图5是Karate网络的真实结构图;
图6是Karate网络在一种参数(阈值)下的划分结果图;
图7是Karate网络在另一种参数(阈值)下的划分结果图;
图8是模块度函数值与参数(阈值a)的关系图;
图9是算法模块度函数值比较;
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
如图1所示的社会网络中重叠社区检测的三阶段策略算法,具体算法如下:
(1)阶段1种子节点选择:先利用节点之间的强度计算其链接强度,然后计算每个节点对其所有邻居节点的影响力和值,根据节点影响力值选择种子节点,并将节点加入种子集合S中,其中链接强度wuv计算公式为:w(u,v)=αcuv/N(u)-1+N(v)-1-cuv,影响力强度F(u)的计算公式为:其中cuv为节点u和节点v之间共同节点数,N(u)为节点u的邻居节点数,α为高度数偏向性,Du表示节点u的度,种子选择算法的具体步骤如图2所示:
(a)数据预处理,构造网络图;
(b)计算节点之间的链接强度w(u,v);
(c)根据得到的节点连接强度,计算节点的影响力强度F(u);
(d)比较节点与其邻居节点之间的影响力强度F(u)的大小;
(e)选取节点影响力强度大于其所有邻居节点的影响力值的节点作为种子节点,并将其加入种子集合S。
(2)阶段2划分重叠社区:首先从节点集合S中任意取一种子节点构造初始社区,并将其邻居节点状态为“F”的节点加入初始社区,其次根据隶属度函数,移除掉节点与社区的隶属度函数值小于阈值的节点,其中“F”表示节点尚未被划分到任何一社区,“T”则表示节点至少加入到一个社区中国,隶属度函数B(u,C)的计算公式为:其中为节点u与社区C的连接度,划分重叠社区的具体步骤如图3所示:
(a)为了挖掘出社会网络中的重叠社区,事先将网络中所有节点都标记为“F”;
(b)根据种子节点选择算法中得到的种子集合S,取任意一种子节点构造初始社区,并更改种子节点状态为“T”;
(c)将其邻居节点状态为“F”的节点加入初始社区并将接点状态改为“T”;
(d)重复步骤(2)及(3),直到种子集合中全部种子节点状态都为“T”
(e)计算节点与所在社区隶属度B(u,C);
(f)移除隶属度小于阈值的节点,更新初始社区;
(g)找出更新后的初始社区的所有邻居节点,记为NCi;
(h)计算每个节点与社区的隶属度B(v,NCi);
(i)将(B(v,NCi)≥a)的节点加入社区中,得到新初始重叠社区。
(3)阶段3优化重叠社区:结合阶段1及阶段2得出的重叠社区,根据社区局部优化算法(简称CLOA算法)优化重叠社区,其中社区局部优化算法根据局部社区引力优化重叠社区,局部社区引力LCG(u,C)的计算为公式:CLOA算法的具体步骤如图4所示:
(a)计算重叠节点;
(b)计算每个节点所在社区的局部社区引力LCG(u,Ci);
(c)对于每一个节点u∈Ci,若节点所受到的来自于所属社区的引力λLCG(u,Ci)小于来自社区Cj的引力LCG(u,Cj),则将u划分到Cj,更新重叠节点;
(d)迭代更新上述步骤,直到重叠节点不变,得到最终的重叠社区。
实施例:
一、实验环境及数据
实验数据集是选取斯坦福大型网络数据集中的美国空手道俱乐部网络(Karate),海豚族网络(Dolphins),足球网络(Football),尼特软件网络(Netscience),邮件安然网络(Email-Enron)5个数据集来验证实验算法的正确性和高效性。Karate网络,节点代表俱乐部成员;Dolphins网络,是指两个海豚经常频繁活动关系网络关系图;Football网络代表大学足球和比赛之间的社会关系网络图;Netscience网络是指科学家之间的合作关系网络图;Email-Enron网络,节点代表电子邮件地址。数据集的具体情况如表1所示。
表1:实验数据统计基本情况
为了衡量一个网络社区结构划分的优劣,本发明专利根据重叠社区结构划分质量的模块度函数EQ值来判断。EQ范围是从0到1,如果其值较高,则表示社区结构的内部社区连接更紧密。该函数的计算公式为:其中Qu表示节点u所属的社区数,A为网络的邻接矩阵,若节点u与节点v有连接,则Auv=1,相反,Auv=0,Ku为节点u的度,m表示网络中节点间连接的总边数。
经过对数据网络分析,通过对本专发明利提出的Three-stage Strategy算法和经典的LINK,LFM,COPRA算法进行测试比较。
二、参数调整
本发明专利中参数(阈值)a的值对社区划分的大小与社区结构优劣有影响,因此首先给阈值a设置初始值a0,根据模块度函数公式采用爬山的策略调整a,直至模块度函数EQ达到最优为止。结果由图8可知,随着阈值的改变,各数据集EQ值也随之的变化,从图中可知只有Football网络数据集在a取值为0.2时,EQ取最大值,其余四个数据集都在a取值为0.3时,EQ取的最大值。
三、社区划分结果
本发明专利主要通过对Karate网络分析来确定Three-stage Strategy算法社区划分结果的优劣。
首先用对Karate真实网络划分结果由图4可知,划分出的两个重叠社区分别用圆形、正方形表示,三角形表示社区之间的重叠节点。由图可知,Karate真实网络中的重叠节点为节点3。Three-stage Strategy算法首先通过种子节点算法得到Karate网络的种子节点为{1,34},然后通过阈值分别取0.2及0.3时,对Karate网络划分结果与该网络真实结构做对比。图6和图7显示的是该网络在a取值为0.2、0.3时本本专利算法划分出的两个重叠社区,由图6和图7中的(a)、(b)比较,在a=0.3时,EQ取的最大值,此时的社区结构与真实社区结构更相符。
其次,为了显示更多的关于社区结构的信息,使用模块度函数值对四个算法进行比较。从实验结果来看,本专利算法在不同真实网络上都取得了较高的EQ值。结果由图8可知,LINK算法在每个数据集上具有最低的模块度函数值,而Three-stage Strategy算法获得了最高的模块度函数值。这主要是因为Three-stage Strategy算法在选择种子节点时,首先考虑到节点之间的链接强度,然后根据影响力函数值选择,较好将种子节点分布在整个网络,其次是通过社区局部引力算法对重叠社区优化,保证了算法的效率及准确率。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (4)
1.一种社会网络中重叠社区检测的三阶段策略算法,其特征在于,具体算法如下:
(1)阶段1种子节点选择:先利用节点之间的强度计算其链接强度,然后计算每个节点对其所有邻居节点的影响力和值,根据节点影响力值选择种子节点,并将节点加入种子集合S中,其中链接强度w(u,v)计算公式为:w(u,v)=αcuv/N(u)-1+N(v)-1-cuv,影响力强度F(u)的计算公式为:其中cuv为节点u和节点v之间共同节点数,N(u)为节点u的邻居节点数,α为高度数偏向性,Du表示节点u的度;
(2)阶段2划分重叠社区:首先从节点集合S中任意取一种子节点构造初始社区,并将其邻居节点状态为“F”的节点加入初始社区,其次根据隶属度函数,移除掉节点与社区的隶属度函数值小于阈值的节点,其中“F”表示节点尚未被划分到任何一社区,则“T”表示节点已被分配到至少一个社区中,隶属度函数B(u,C)的计算公式为:其中为节点u与社区C的连接度;
(3)阶段3优化重叠社区:结合阶段1及阶段2得出的重叠社区,根据社区局部优化算法优化重叠社区,其中社区局部优化算法根据局部社区引力优化重叠社区,局部社区引力LCG(u,C)的计算为公式:
2.根据权利要求1所述的社会网络中重叠社区检测的三阶段策略算法,其特征在于,种子节点选择算法具体步骤如下:
(1)数据预处理,构造网络图;
(2)计算节点之间的链接强度w(u,v);
(3)根据得到的节点连接强度,计算节点的影响力强度F(u);
(4)比较节点与其邻居节点之间的影响力强度F(u)的大小;
(5)选取节点影响力强度大于其所有邻居节点的影响力值的节点作为种子节点,并将其加入种子集合S。
3.根据权利要求1所述的社会网络中重叠社区检测的三阶段策略算法,其特征在于,划分重叠社区算法具体步骤如下:
(1)为了挖掘出社会网络中的重叠社区,事先将网络中所有节点都标记为“F”;
(2)根据种子节点选择算法中得到的种子集合S,取任意一种子节点构造初始社区,并更改种子节点状态为“T”;
(3)将其邻居节点状态为“F”的节点加入初始社区并将接点状态改为“T”;
(4)重复步骤(2)及(3),直到种子集合中全部种子节点状态为“T”
(5)计算节点与所在社区隶属度B(u,C);
(6)移除隶属度小于阈值的节点,更新初始社区;
(7)找出更新后的初始社区的所有邻居节点,记为NCi;
(8)计算每个节点与社区的隶属度B(v,NCi);
(9)将(B(v,NCi)≥a)的节点加入社区中,得到新初始重叠社区。
4.根据权利要求1所述的社会网络中重叠社区检测的三阶段策略算法,其特征在于,社区局部优化算法具体步骤如下:
(1)计算重叠节点;
(2)计算每个节点所在社区的局部社区引力LCG(u,Ci);
(3)对于每一个节点u∈Ci,若节点所受到的来自于所属社区的引力λLCG(u,Ci)小于来自社区Cj的引力LCG(u,Cj),则将u划分到Cj,更新重叠节点;
(4)迭代更新上述步骤,直到重叠节点不变,得到最终的重叠社区。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810269164.2A CN108446862A (zh) | 2018-03-29 | 2018-03-29 | 一种社会网络中重叠社区检测的三阶段策略算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810269164.2A CN108446862A (zh) | 2018-03-29 | 2018-03-29 | 一种社会网络中重叠社区检测的三阶段策略算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108446862A true CN108446862A (zh) | 2018-08-24 |
Family
ID=63197431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810269164.2A Pending CN108446862A (zh) | 2018-03-29 | 2018-03-29 | 一种社会网络中重叠社区检测的三阶段策略算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108446862A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113487465A (zh) * | 2021-06-22 | 2021-10-08 | 中国地质大学(武汉) | 基于标签传播算法的城市重叠结构特征检测方法及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103425737A (zh) * | 2013-07-03 | 2013-12-04 | 西安理工大学 | 面向网络的重叠社区发现方法 |
CN103425738A (zh) * | 2013-07-03 | 2013-12-04 | 西安理工大学 | 基于模糊合作博弈的网络重叠社区发现方法 |
US20160004972A1 (en) * | 2014-07-04 | 2016-01-07 | Invent.ly LLC | Marketing to a community of subjects assigned quantum states modulo a proposition perceived in a social value context |
CN105631748A (zh) * | 2015-12-21 | 2016-06-01 | 西北工业大学 | 一种基于并行标签传播的异构网络社区发现方法 |
CN106157156A (zh) * | 2016-07-29 | 2016-11-23 | 电子科技大学 | 一种基于用户社区的协作推荐*** |
CN106600430A (zh) * | 2016-11-10 | 2017-04-26 | 南京财经大学 | 一种社区网络检测方法及装置 |
CN106960390A (zh) * | 2017-01-03 | 2017-07-18 | 上海大学 | 基于节点聚合度的重叠社区划分方法 |
-
2018
- 2018-03-29 CN CN201810269164.2A patent/CN108446862A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103425737A (zh) * | 2013-07-03 | 2013-12-04 | 西安理工大学 | 面向网络的重叠社区发现方法 |
CN103425738A (zh) * | 2013-07-03 | 2013-12-04 | 西安理工大学 | 基于模糊合作博弈的网络重叠社区发现方法 |
US20160004972A1 (en) * | 2014-07-04 | 2016-01-07 | Invent.ly LLC | Marketing to a community of subjects assigned quantum states modulo a proposition perceived in a social value context |
CN105631748A (zh) * | 2015-12-21 | 2016-06-01 | 西北工业大学 | 一种基于并行标签传播的异构网络社区发现方法 |
CN106157156A (zh) * | 2016-07-29 | 2016-11-23 | 电子科技大学 | 一种基于用户社区的协作推荐*** |
CN106600430A (zh) * | 2016-11-10 | 2017-04-26 | 南京财经大学 | 一种社区网络检测方法及装置 |
CN106960390A (zh) * | 2017-01-03 | 2017-07-18 | 上海大学 | 基于节点聚合度的重叠社区划分方法 |
Non-Patent Citations (7)
Title |
---|
FAN, WEI 等: "Overlapping community structure detection in multi-online social networks", 《2015 8TH INTERNATIONAL CONFERENCE ON INTELLIGENCE IN NEXT GENERATION NETWORKS》 * |
TINGRUI PEI 等: "Overlapping community detection by local community gravitation in social networks", 《JOURNAL OF NETWORKS》 * |
YANG, CHUNDE 等: "Overlapping Community Detection Algorithm Based on the Law of Universal Gravitation", 《INTERNATIONAL CONFERENCE ON ENGINEERING TECHNOLOGY AND APPLICATION (ICETA 2015)》 * |
刘倩 等: "基于引力度扩展的重叠社区发现算法", 《计算机工程与设计》 * |
孙延维 等: "局部引力度扩展的重叠社区发现算法", 《华中师范大学学报(自然科学版)》 * |
孙文婷: "混合重叠社区发现研究及应用", 《中国优秀硕士学位论文全文数据库 社会科学Ⅰ辑》 * |
齐金山 等: "基于种子节点选择的重叠社区发现算法", 《计算机应用研究》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113487465A (zh) * | 2021-06-22 | 2021-10-08 | 中国地质大学(武汉) | 基于标签传播算法的城市重叠结构特征检测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102413029B (zh) | 基于分解的局部搜索多目标复杂动态网络社区划分方法 | |
CN109978050A (zh) | 基于svm-rf的决策规则提取及约简方法 | |
CN103971161A (zh) | 基于柯西分布量子粒子群的混合推荐方法 | |
CN103888541A (zh) | 一种融合拓扑势和谱聚类的社区发现方法及*** | |
CN105260746B (zh) | 一种可扩展的多层集成多标记学习*** | |
CN102857525A (zh) | 基于随机游走策略的社区发现方法 | |
CN104239496A (zh) | 一种结合模糊权重相似性度量和聚类协同过滤的方法 | |
CN109921936A (zh) | 基于memetic框架的多目标动态网络社区划分方法 | |
Lee et al. | Seeding for pervasively overlapping communities | |
CN104992259A (zh) | 一种基于社团结构的复杂网络抗毁性和关键节点分析方法 | |
CN106156067A (zh) | 用于为关系数据创建数据模型的方法和*** | |
CN107818328A (zh) | 结合局部信息的不完整数据相似性刻画方法 | |
CN110442800B (zh) | 一种融合节点属性和图结构的半监督社区发现方法 | |
CN108388961A (zh) | 基于模块度优化的自适应随机邻居社团划分算法 | |
CN107451617A (zh) | 一种图转导半监督分类方法 | |
CN108446862A (zh) | 一种社会网络中重叠社区检测的三阶段策略算法 | |
CN104156462B (zh) | 基于元胞自动学习机的复杂网络社团挖掘方法 | |
CN112800111B (zh) | 一种基于训练数据挖掘的位置预测方法 | |
CN109685675A (zh) | 基于标签传播自然启发式的动态网络社团结构识别方法 | |
CN110110914A (zh) | 基于变换决策树和智能优化方法的学生困难程度预测方法 | |
CN107578136A (zh) | 基于随机游走与种子扩展的重叠社区发现方法 | |
CN106611036A (zh) | 一种改进的多维尺度异构代价敏感决策树构建方法 | |
CN106203469A (zh) | 一种基于有序模式的图分类方法 | |
CN107492129A (zh) | 基于素描表示和结构化聚类的非凸压缩感知优化重构方法 | |
CN111401683A (zh) | 古村落传统性的测算方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |