發(fā)布時(shí)間：2021-07-04 18:49

　　社區(qū)結(jié)構(gòu)作為復(fù)雜網(wǎng)絡(luò)的重要拓?fù)涮匦灾?成為當(dāng)前的研究熱點(diǎn)。本文提出了一種基于邊排序和模塊度優(yōu)化的社區(qū)發(fā)現(xiàn)方法。該方法首先對初始的靜態(tài)網(wǎng)絡(luò)進(jìn)行稀疏化,然后在稀疏化后的網(wǎng)絡(luò)上依據(jù)邊的重要程度對邊進(jìn)行排序,給出了一種模塊度最大化、快速邊合并的社區(qū)發(fā)現(xiàn)方法（Fast rank-based community detection,FRCD）。在初始網(wǎng)絡(luò)社區(qū)劃分結(jié)果的基礎(chǔ)上,將該方法推廣到動(dòng)態(tài)、實(shí)時(shí)社區(qū)劃分上,給出了一種快速、魯棒的動(dòng)態(tài)社區(qū)劃分方法（Incremental dynamic community detection,IDCD）。理論分析表明FRCD相對于邊具有線性時(shí)間復(fù)雜度。在實(shí)際和人工網(wǎng)絡(luò)上的實(shí)驗(yàn)結(jié)果均表明,本文提出的方法無論在靜態(tài)網(wǎng)絡(luò)社區(qū)劃分還是在動(dòng)態(tài)網(wǎng)絡(luò)社區(qū)追蹤上都優(yōu)于已有方法。 

【文章來源】：數(shù)據(jù)采集與處理. 2015,30(06)北大核心CSCD

【文章頁數(shù)】：10 頁

【文章目錄】：
引言
1 研究基礎(chǔ)
2 FRCD算法
    2.1 邊相似度計(jì)算
    2.2 網(wǎng)絡(luò)局部稀疏化
    2.3 社區(qū)指派和合并
    2.4 算法的時(shí)間復(fù)雜度分析
3 IDCD算法
4 實(shí)驗(yàn)結(jié)果與分析
    4.1 靜態(tài)社區(qū)結(jié)構(gòu)的實(shí)驗(yàn)比較
        4.1.1 真實(shí)實(shí)驗(yàn)數(shù)據(jù)
        4.1.2 人工網(wǎng)絡(luò)數(shù)據(jù)
    4.2 動(dòng)態(tài)網(wǎng)絡(luò)的實(shí)驗(yàn)比較
5 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]一種自適應(yīng)網(wǎng)絡(luò)輿情演化建模方法[J]. 周耀明,李弼程.  數(shù)據(jù)采集與處理. 2013(01)



本文編號(hào)：3265339