一种网络社团划分的评价及改进方法

被引：6

作者：

武澎 ^{[1
,2
]}

王恒山 ^{[1
]}

机构：

[1] 上海理工大学管理学院

[2] 河南大学软件学院

来源：

计算机应用研究 | 2014年 / 31卷 / 03期

关键词：

社团结构; 程度中心性; MCL算法; GN算法; Factions算法;

D O I：

暂无

中图分类号：

O157.5 [图论];

学科分类号：

070104 ;

摘要：

主要从节点在所属群体内的相对重要程度出发,尝试性地给出一种网络社团结构的新定义,并在此基础上构建了一种网络社团划分的评价及改进方法。该方法既可以与现有的社团划分算法进行组合,形成新的网络社团划分算法,也可以独立使用,对网络社团的划分结果进行评价与改进。最后,通过MCL、GN、Factions等方法及算例对提出的算法进行了验证与分析。

引用

页码：744 / 746+752 +752

页数：4

共 16 条

[1]

Graph clustering by flow simulation. DONGEN S. . 2000

[2] 复杂网络中的社团结构发现方法 [J].

邓智龙 ;

淦文燕 .

计算机科学, 2012, 39(S1) (S1) :103-108

[3]

复杂网络理论及其应用[M]. 清华大学出版社 , 汪小帆,李翔,陈关荣编著, 2006

[4]

基于随机网络集成模型的广义网络社区挖掘算法[J]. 杨博,刘杰,刘大有. 自动化学报. 2012(05)

[5]

突发事件信息传播超网络建模及重要节点判定[J]. 武澎,王恒山. 报学报. 2012 (07)

[6]

Community structure in social and biological networks. Girvan M,Newman M E J. Proceedings of the National Academy of Sciences of the United States of America . 2002

[7] 基于簇相似度的网络社团结构探测算法 [J].

袁超 ;

柴毅 .

物理学报, 2012, 61 (21) :541-549

[8] SNA与MSA在揭示知识结构中的比较研究 [J].

宋歌 .

图书情报工作, 2009, 53 (08) :106-109+121

[9]

Community detection in graphs[J] . Santo Fortunato. &nbspPhysics Reports . 2009 (3)

[10] 基于多目标优化的网络社区发现方法 [J].

黄发良 ;

张师超 ;

朱晓峰 .

软件学报, 2013, 24 (09) :2062-2077

← 1 2 →