结合中心约束改进聚类算法的社区发现技术

• 作者: 刘渊 夏洋洋 黄亚东
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 对称社会距离 随机行走 可能性C均值算法 准确度指标
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 工程与应用
• 页码范围: 265-270
• 页数: 6页
• 分类号: TP311.1
• 字数: 6771字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1611-0035

摘要

进行社区发现时,首先从某一节点开始进行随机行走,计算两个节点之间的对称社会距离,并用此距离来分析两个用户节点之间的相关性.社交网络中存在着关系不均匀的现象,有些个体之间关系非常稠密,而有些却异常稀疏,由此构成的虚拟社区需要用特定的社区发现技术进行挖掘.前人提出过利用可能性C均值聚类算法(PCM)和处理好的社会距离进行社区发现,但通过虚拟社区算法评价的准确度指标发现,对于数据量大,数据粘性强的数据,其聚类效果并不理想.而聚类中心的好坏直接决定着聚类性能的好与坏,因此利用类中心约束方法对PCM算法进行改进,得到的新型聚类算法更加适用于真实网络数据集.实验针对真实数据集,利用准确度指标进行了验证.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘渊	江南大学数字媒体学院	235	1325	17.0	25.0
2	夏洋洋	江南大学数字媒体学院	2	0	0.0	0.0
3	黄亚东	江南大学数字媒体学院	3	4	1.0	2.0