基于节点亲密度和度的社会网络社团发现方法

被引：36

作者：

刘瑶

康晓慧

高红

刘峤

吴祖峰

秦志光

机构：

[1] 电子科技大学信息与软件工程学院

来源：

计算机研究与发展 | 2015年 / 10期

基金：

国家自然科学基金重点项目;

关键词：

节点亲密度; 节点度; 加权网络; 模块度; 社团检测;

D O I：

暂无

中图分类号：

O157.5 [图论];

学科分类号：

070101 [基础数学];

摘要：

社会网络是现实社会在网络空间的延伸,研究社会网络的结构特征对于发现网络结构、预测网络行为、保障网络安全有着重要的意义.社团结构是社会网络最重要的一种结构特征.近年来,研究人员提出了大量的社团检测算法,但大多集中在无权网络,不能处理网络中越来越复杂的连接关系.为了衡量有向加权网络中节点之间的关联强度,提出了一种新的节点亲密度定义,在此基础上设计了一种基于节点亲密度和度的社团结构检测方法(community detecting method based on node intimacy and degree,CDID),并在真实的社会网络数据集上进行了实验验证.与传统的社团检测方法相比,CDID方法能够获得更加准确的社团划分结果,并为无向无权、有向无权、无向加权、有向加权网络的社团划分提供了一种统一的解决方法.

引用

页码：2363 / 2372

页数：10

共 8 条

[1]

基于相似度的微博社交网络的社区发现方法 [J].

孙怡帆 ;

李赛 .

计算机研究与发展, 2014, (12) :2797-2807

[2]

复杂网络社区挖掘综述 [J].

刘大有 ;

金弟 ;

何东晓 ;

黄晶 ;

杨建宁 ;

杨博 .

计算机研究与发展, 2013, 50 (10) :2140-2154

[3]

A smart local moving algorithm for large-scale modularity-based community detection[J] Ludo Waltman;Nees Jan Eck The European Physical Journal B 2013,

[4]

Mutually Enhancing Community Detection and Sentiment Analysis on Twitter Networks[J] William Deitrick;Wei Hu Journal of Data Analysis and Information Processi 2013,

[5]

Finding overlapping communities in networks by label propagation[J] Steve Gregory New Journal of Physics 2010,

[6]

Identifying and evaluating community structure in complex networks[J] Karsten Steinhaeuser;Nitesh V. Chawla Pattern Recognition Letters 2009,

[7]

Fast unfolding of communities in large networks[J] Vincent D Blondel;Jean-Loup Guillaume;Renaud Lambiotte;Etienne Lefebvre Journal of Statistical Mechanics: Theory and Experiment 2008,

[8]

Community Detection in Twitter Kewalramani M N; University of Maryland Press 2011,

← 1 →