基于注意力网络特征的社区发现算法
王静红1,2(
),梁丽娜1,李昊康1,周易3,*() 1. 河北师范大学计算机与网络空间安全学院, 河北 石家庄 050024
2. 河北省供应链大数据分析与数据安全工程研究中心, 河北 石家庄 050024
3. 上海海关科技处, 上海 200002
收稿日期:2021-06-02出版日期:2021-09-20发布日期:2021-09-13通讯作者:周易E-mail:wangjinghong@126.com;zhouwangyilang@126.com作者简介:王静红(1967—), 女, 博士, 教授, 研究方向为人工智能、大数据与数据挖掘、模式识别等. E-mail: 基金资助:河北省自然科学基金资助项目(F2019205303);河北省引进留学人员资助项目(C20200340)Community discovery algorithm based on attention network feature
Jing-hong WANG1,2(),Li-na LIANG1,Hao-kang LI1,Yi ZHOU3,*() 1. School of Computer and Cyber Security, Hebei Normal University, Shijiazhuang 050024, Hebei, China
2. Hebei Provincial Engineering Research Center for Supply Chain Big Data Analytics & Data Security, Shijiazhuang 050024, Hebei, China
3. Science & Technology Division, Shanghai Customs District P R China, Shanghai 200002, China
Received:2021-06-02Online:2021-09-20Published:2021-09-13Contact:Yi ZHOU E-mail:wangjinghong@126.com;zhouwangyilang@126.com摘要/Abstract
摘要： 现实世界中许多网络都是根据社区结构紧密组织起来的, 发现社区对于了解复杂网络的结构及其关系有很大的帮助, 文中提出了一种基于注意力网络特征的社区发现(community discovery algorithm based on attention network features, CANF)算法, 利用标记节点频率和反示例节点频率度量初始网络标记特征, 并且引入注意力机制, 对示例节点的每个邻居节点更好地分配权重, 将初始权重与分配权重相结合, 使初始度量的网络特征获取更多与目标有关的细节信息。文中通过分配的注意力网络特征进行复杂网络预处理以及社区博弈归并, 于真实网络中进行验证, 实验结果表明, CANF算法在准确度、模块度以及运行时间方面优于其他社区发现算法。
PDF全文下载地址:
http://lxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3492
