基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对传统谱二分社团检测算法一般只使用某一特定的特征向量对网络进行划分,并不能保证能够得到最佳的社团结构这一缺陷,提出了一种使用最优特征向量的谱二分社团检测方法.该方法利用网络/子网络转移矩阵的特征向量持续将网络分裂为若干个子网络,分裂过程并不固定使用单一的、特定的特征向量,每次分裂使用的是能使得模块度增量最大的一个特征向量.此外,为了充分利用网络的拓扑信息,还利用网络中每条边所关联的两个顶点拥有的共同邻居的信息,将原始网络转换为带权的网络,并基于此带权网络的转移矩阵,使用最优特征向量持续将其划分为若干个子网络,得到其社团结构.为了验证这两种方法的有效性,在7个实际网络上进行了实验.实验结果证实,该方法能够有效地从网络中提取高质量的社团结构.
推荐文章
特征向量的核方法检测网络社团结构
社团结构
模块密度
核k-means
谱分方法
特征向量的核方法
应用Normal矩阵谱平分法的多社团发现
社团结构
Normal矩阵
谱平分法
k-means聚类算法
基于多重特征向量的有向网络社团结构划分算法
社团结构
有向网络
拉普拉斯矩阵
谱聚类
基于特征向量自动选取的谱聚类算法
谱聚类
特征向量
谱聚类矩阵
本征间隙
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于最优特征向量的谱二分社团检测方法
来源期刊 计算机科学与探索 学科 工学
关键词 社团检测 谱二分法 特征值 特征向量 模块度
年,卷(期) 2017,(12) 所属期刊栏目 数据库技术
研究方向 页码范围 1897-1906
页数 10页 分类号 TP181
字数 7782字 语种 中文
DOI 10.3778/j.issn.1673-9418.1609011
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘伟 兰州大学信息科学与工程学院 63 312 10.0 15.0
2 陈晓云 兰州大学信息科学与工程学院 33 219 8.0 13.0
3 程建军 兰州大学信息科学与工程学院 5 5 1.0 2.0
5 苗海飞 兰州大学信息科学与工程学院 2 4 1.0 2.0
8 周旸 兰州大学信息科学与工程学院 1 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (22)
节点文献
引证文献  (4)
同被引文献  (13)
二级引证文献  (1)
1977(1)
  • 参考文献(1)
  • 二级参考文献(0)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(2)
  • 参考文献(2)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(4)
  • 参考文献(4)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
社团检测
谱二分法
特征值
特征向量
模块度
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学与探索
月刊
1673-9418
11-5602/TP
大16开
北京市海淀区北四环中路211号北京619信箱26分箱
82-560
2007
chi
出版文献量(篇)
2215
总下载数(次)
4
总被引数(次)
10748
论文1v1指导