基于重要结点的社区发现算法

王鑫^1,2,左万利^2,3,朱枫彤³,王英^2,3*

1.长春工程学院计算机技术与工程学院, 吉林 长春 130012;2.吉林大学符号计算与知识工程教育部重点实验室, 吉林 长春 130012;3.吉林大学计算机科学与技术学院, 吉林 长春 130012

发布日期:2018-11-14

作者简介:王鑫(1981— ),男,副教授,博士,研究方向为社会计算、机器学习、数据挖掘、推荐系统. E-mail:xinwangjlu@gmail.com*通信作者简介:王英(1981— ),女,副教授,博士,研究方向为社会计算、机器学习、数据挖掘. E-mail:wangying2010@jlu.edu.cn
基金资助:国家自然科学基金资助项目(61602057);教育部重点实验室开放基金资助项目(93K172016K13);吉林省科技厅优秀青年人才基金项目(20170520059JH);广西可信软件重点实验室研究课题项目(kx201533);中国博士后基金面上项目(2017M611301)

Important-node-based community detection algorithm

WANG Xin^1,2, ZUO Wan-li^2,3, ZHU Feng-tong³, WANG Ying^2,3*

1. School of Computer Technology and Engineering, Changchun Institute of Technology, Changchun 130012, Jilin, China;
2. Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun 130012, Jilin, China;
3. College of Computer Science and Technology, Jilin University, Changchun 130012, Jilin, China

Published:2018-11-14

About author:国家自然科学基金资助项目(61602057);教育部重点实验室开放基金资助项目(93K172016K13);吉林省科技厅优秀青年人才基金项目(20170520059JH);广西可信软件重点实验室研究课题项目(kx201533);中国博士后基金面上项目(2017M611301)
Supported by:国家自然科学基金资助项目(61602057);教育部重点实验室开放基金资助项目(93K172016K13);吉林省科技厅优秀青年人才基金项目(20170520059JH);广西可信软件重点实验室研究课题项目(kx201533);中国博士后基金面上项目(2017M611301)

摘要/Abstract

摘要： 复杂网络中内部的社区结构是复杂网络结构特征和属性特征的具体体现。首先依据模块度最大化理论计算网络的模块度矩阵的最大k特征向量矩阵;然后提出聚类中心方法,并用于求出k个社团的重要结点作为k聚类中心,利用欧几里得距离计算每一个结点到k个聚类中心的距离,将结点分配到距离聚类中心最近的社区中;最后对网络应用k-means方法进行迭代计算,得到k个社区的划分。分别在Karate Club Network和American College Football数据集上对算法进行了实验验证,实验结果表明该算法可以有效发现潜在社区,其纯度与模块度比已有的社区发现算法都有一定的提高,并且迭代次数较少,效率较高。


PDF全文下载地址:

http://lxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=2993