基于节点相似性的LFM社团发现算法

• 作者: 杨晓波 王至婉 陈楚湘
• 来源期刊: 复杂系统与复杂性科学
• 学科: 工学
• 关键词: 复杂网络 社团发现 节点相似性 杰卡德系数
• 年，卷（期）: 2017,（3）
• 页码范围: 85-90
• 页数: 6页
• 分类号: TP391
• 字数: 4129字
• 语种: 中文
• DOI: 10.13306/j.1672-3813.2017.03.008

摘要

传统的局部适应度社团发现算法(LFM)在社团结构模糊的网络中精度下降严重.针对此问题,提出LFMJ算法.利用邻居节点信息和改进的杰卡德系数重构网络,使网络结构更为清楚,社团划分结果更为准确.为验证算法,选择了5种算法在LFR网络和真实网络中进行测试,包括LFMJ、LFM和传统的LPA算法以及性能较好的WT和FUA算法.结果表明:在标准LFR网络中,LFMJ精度高于LFM和LPA,与FUA和WT相当;在真实网络和具有重叠结构的LFR网络中,LFMJ精度优于其他4种算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王至婉	河南中医学院第一附属医院呼吸科	68	1059	21.0	31.0
2	陈楚湘	信息工程大学理学院理学院	20	81	5.0	8.0
3	杨晓波	信息工程大学理学院理学院	2	10	2.0	2.0