融合标签预处理与节点影响力的重叠社区发现算法

• 作者: 余文森 刘耿耿 吴清寿 陈荣旺
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 重叠社区 中心节点 标签传播 节点影响力 标签隶属系数
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 网络与通信
• 页码范围: 3578-3585
• 页数: 8页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020060942

摘要

针对节点初始标签散乱及标签传播随机性大的问题,提出一种融合标签预处理与节点影响力的重叠社区发现算法.首先,计算节点影响力,逐步选择影响力值最大的节点作为中心节点;然后,用中心节点的标签对同质的邻居节点进行标签预处理,减少了初始标签数量,降低了后续标签传播的随机性,并初步识别出了重叠节点;其次,通过标签隶属系数识别重叠节点,用节点影响力值选择非重叠节点标签,提高了算法的稳定性和准确性;最后,以最大化自适应函数增量为目标,对内聚度弱的社区进行合并,提高了社区质量.仿真实验结果表明:对于六个真实网络,所提算法在50％的数据集上具有最大的扩展模块度值;而在不同混合度、节点重叠度和节点最大归属社区数的人工基准网络上,该算法在标准化互信息(NMI)指标上都具有最好的性能.综上所述,该算法对各类网络都具有较好的适应性,且具有接近线性的时间复杂度.