典型文献
基于节点相似性和网络嵌入的复杂网络社区发现算法
文献摘要：
社区发现算法对分析复杂网络的拓扑和层次结构、预测复杂网络的演化趋势等具有十分重要的意义.传统的社区发现算法划分精度不高,忽略了网络嵌入的重要性.针对这样的问题,提出了基于节点相似性和网络嵌入Node2Vec方法的无参数社区发现算法.首先,使用网络嵌入Node2Vec方法将网络节点映射成欧氏空间中低维向量表示的数据点,计算低维向量表示的数据点之间的余弦相似性,根据相应节点间的最大相似性构建偏好网络,得到初始社区划分,把每个初始社区的最大度节点作为备选节点;然后根据网络平均度和平均最短路径找出备选节点中的中心节点;最后将中心节点对应的数据点及其数量作为初始质心和聚类数,用K-Means算法对低维向量表示的数据点进行聚类,从而对相应的网络节点完成社区划分.该算法为无参数社区划分方法,可以自主地从网络中提取参数,无须根据网络的不同设定不同的超参数,从而可以自动地快速识别复杂网络的社区结构.在8个真实网络和人工网络上,将其与其他5个知名社区发现算法相比较,数值仿真实验表明所提算法具有很好的社区发现效果.
文献关键词：
无参数社区发现;节点相似性;偏好网络;网络嵌入;K-Means聚类
中图分类号：
作者姓名：
杨旭华;王磊;叶蕾;张端;周艳波;龙海霞
作者机构：
浙江工业大学计算机科学与技术学院 杭州 310023
文献出处：
引用格式：
[1]杨旭华;王磊;叶蕾;张端;周艳波;龙海霞-.基于节点相似性和网络嵌入的复杂网络社区发现算法)[J].计算机科学,2022(03):121-128
A类：
无参数社区发现,偏好网络
B类：
节点相似性,网络嵌入,复杂网络,网络社区,社区发现算法,拓扑和,层次结构,演化趋势,Node2Vec,网络节点,射成,欧氏空间,低维,向量表示,据点,余弦相似性,应节,社区划分,最大度,备选,平均度,平均最短路径,出备,点中,中心节点,初始质心,聚类数,Means,划分方法,提取参数,无须,须根,超参数,快速识别,社区结构,真实网络,数值仿真实验
AB值：
0.328371
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
