一种融合邻边属性的个人社交网络社区发现算法

• 作者: 李有红 王学军 谌裕勇 赵跃龙 徐文贤
• 来源期刊: 计算机工程
• 关键词: 个人社交网络 社区发现 邻边属性 社会蜘蛛优化算法 适应度函数
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 人工智能与模式识别|Artificial Intelligence and Pattern Recognition
• 页码范围: 81-87
• 页数: 7页
• 分类号: TP393
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0057683

摘要

针对传统智能进化社区发现算法通常存在弱化节点属性和容易过早收敛等问题,提出基于邻边属性群智能聚类的个人社交网络社区发现算法NLA/SCD.在融合邻边结构及其节点属性相似特性的基础上,定义社会蜘蛛优化算法的适应度函数,并将社区模块度增量作为算子迭代准则.在雌性和雄性个体的进化与交配过程中,利用适应度函数和模块度增量函数从局部和全局角度优化社区划分的寻优过程,以保持种群多样性并避免算法过早收敛.实验结果表明,NLA/SCD算法能有效识别属性信息多样的个人社交网络,且具有较高的运行速度和划分精度.