基于局部近邻传播及用户特征的社区识别算法

• 作者: 张岐山 邱启荣 郭文忠 郭昆
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 社交网络 近邻传播 社区识别 聚类
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 68-79
• 页数: 12页
• 分类号: TP393
• 字数: 10286字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2015035

摘要

提出一种将局部近邻传播和考虑用户特征的相似性测度相结合实现社交网络中的社区识别的算法.一方面,通过放松代表点约束条件及限制消息传播范围为节点的局部近邻,算法在降低时间和空间复杂度的同时保持较小的识别精度损失,从而能够适应社交网络挖掘需要;另一方面,通过将节点的拓扑相似度和特征相似度相结合来描述节点的综合相似度,使算法能够适应社交网络采样数据中用户关联信息不完整的情况.通过在人工数据集和真实数据集上的对比实验表明,所提方法不仅具有近似线性的时间复杂度及线性的空间复杂度,而且在网络中的节点关联边信息不完整时仍保持较好的识别精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭文忠	福州大学数学与计算机科学学院	87	993	17.0	29.0
2	张岐山	福州大学管理学院	92	1147	17.0	31.0
3	郭昆	福州大学数学与计算机科学学院	37	180	8.0	11.0
4	邱启荣	福州大学管理学院	9	11	2.0	3.0