基于局部扩充的社区发现算法并行化研究

• 作者: 张健博 龙渊
• 来源期刊: 现代计算机：中旬刊
• 学科: 工学
• 关键词: 重叠社区发现 局部优化 数据挖掘
• 年，卷（期）: xdjsjzxk_2016,（4）
• 页码范围: 41-45
• 页数: 5页
• 分类号: TP311.13

摘要

随着社交网络的快速发展,出现成员属于多个社区的现象。现有大多数算法研究重点为重叠社区（如LFM）,其中对于高度重叠的社区发现研究依然是弱点。在LFM算法的基础上,提出极大团作为种子,自适应更新局部扩充质量优化函数参数α,并将扩充过程进行并行化的一种新型方法。经过理论证明和在人造数据图以及真实网络上试验,相比LFM,该算法在准确性和效率上均有较大提高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龙渊	重庆大学计算机学院	3	6	1.0	2.0
2	张健博	重庆大学计算机学院	3	6	1.0	2.0