有效改善标签传播算法鲁棒性的途径

被引:14
作者
季青松
赵郁忻
陈乐生
陈秀真
李生红
机构
[1] 上海交通大学电子信息与电气工程学院
关键词
标签传播; 介数; 社区挖掘; 复杂网络; 影响力因子;
D O I
暂无
中图分类号
TP301.6 [算法理论];
学科分类号
080201 [机械制造及其自动化];
摘要
在大规模复杂网络社区划分中,标签传播算法已经被证实为一种速度极快的算法,被广泛应用。但是标签传播算法还存在一些缺陷,比较突出的是社团划分结果的不稳定,鲁棒性较差。通过某些指标来计算节点在网络中的影响力,在节点第一次更新时,有效地将影响力较大的核心节点标签值传播出去,准确形成各个社区的基本框架,大幅改善了传统标签传播算法的鲁棒性,同时取得了更好的社区划分效果。
引用
收藏
页码:135 / 137
页数:3
相关论文
共 6 条
[1]
社交网络时代:安全换新装 [J].
周雪 .
信息安全与通信保密, 2011, (12) :27-28
[2]
网络舆情治理研究 [J].
罗霄峰 ;
罗万伯 ;
胡月 ;
李蕊 ;
廖勇 ;
吴彦伟 .
通信技术, 2010, 43 (04) :81-83
[3]
基于事件流的网络安全事件监控系统 [J].
沈建宇 ;
李建华 ;
张月国 .
信息安全与通信保密, 2010, (02) :92-94
[4]
Community Structure in Large Networks: Natural Cluster Sizes and the Absence of Large Well-Defined Clusters [J].
Leskovec, Jure ;
Lang, Kevin J. ;
Dasgupta, Anirban ;
Mahoney, Michael W. .
INTERNET MATHEMATICS, 2009, 6 (01) :29-123
[5]
Random field Ising model and community structure in complex networks [J].
Son, SW ;
Jeong, H ;
Noh, JD .
EUROPEAN PHYSICAL JOURNAL B, 2006, 50 (03) :431-437
[6]
Finding communities in linear time: a physics approach [J].
Wu, F ;
Huberman, BA .
EUROPEAN PHYSICAL JOURNAL B, 2004, 38 (02) :331-338