典型文献
一种基于节点稳定性和邻域相似性的社区发现算法
文献摘要：
复杂网络规模的增大导致网络中社区结构变得复杂,节点与社区之间的关系更多样化,有效度量大规模网络中节点邻域的社区构成,并对社区归属确定性有差异的节点分别进行处理,可以提高算法的社区发现质量.基于此,提出了一种基于节点稳定性和邻域相似性的社区发现算法(Node Stability and Neighbor Similarity Based Community Detection Algorithm,NSNSA).首先定义节点的标签熵并对节点在社区发现过程中的稳定性进行度量,选择标签熵较低的节点作为稳定节点集;其次根据节点邻域的标签构成情况定义节点的邻域相似性,对节点与其邻居节点的社区归属一致性进行度量;然后利用稳定节点与其直接邻居中邻域相似性最高的节点构造初始网络,并在该子网络上运行标签传播算法,以得到可靠性较高的初始社区发现结果;最后将未聚类节点分配至与其Katz相似性最高的节点所在的社区,对小规模社区进行合并处理,以得到最终的社区划分结果.在真实网络及人工网络数据集上,与LPA,BGLL,Walktrap,Infomap,LPA-S等经典社区发现算法的对比实验表明,NSNSA算法在模块度以及标准互信息方面表现良好.
文献关键词：
复杂网络;社区结构;标签熵;节点稳定性;邻域相似性
中图分类号：
作者姓名：
郑文萍;刘美麟;杨贵
作者机构：
山西大学计算机与信息技术学院 太原030006;山西大学计算智能与中文信息处理教育部重点实验室 太原030006;山西大学智能信息处理研究所 太原030006
文献出处：
引用格式：
[1]郑文萍;刘美麟;杨贵-.一种基于节点稳定性和邻域相似性的社区发现算法)[J].计算机科学,2022(09):83-91
A类：
节点稳定性,NSNSA,标签熵,Walktrap
B类：
邻域相似性,社区发现算法,复杂网络,网络规模,社区结构,变得复杂,有效度,大规模网络,中节点,Node,Stability,Neighbor,Similarity,Based,Community,Detection,Algorithm,义节,行度,点集,邻居节点,接邻,居中,节点构造,子网络,标签传播算法,节点分配,Katz,小规模,行合并,并处,社区划分,划分结果,真实网络,网络数据,LPA,BGLL,Infomap,模块度,互信息
AB值：
0.372742
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。
