在DOCNet算法基礎(chǔ)上,對初始節(jié)點(diǎn)選取和節(jié)點(diǎn)隸屬度計算方法進(jìn)行改進(jìn),形成一種新的重疊社區(qū)發(fā)現(xiàn)算法DOCLLE。首先采用經(jīng)典重要性排名算法LeaderRank對節(jié)點(diǎn)重要性進(jìn)行排序,選取出重要性最高的節(jié)點(diǎn)及其鄰節(jié)點(diǎn)組成初始社區(qū)。另外結(jié)合局部相似度概念重新定義節(jié)點(diǎn)隸屬度,最后通過質(zhì)量函數(shù)將符合標(biāo)準(zhǔn)的節(jié)點(diǎn)加入到已有社區(qū)。算法在人工生成網(wǎng)絡(luò)和真實(shí)網(wǎng)絡(luò)上進(jìn)行實(shí)驗(yàn),并對比了四種重疊社區(qū)發(fā)現(xiàn)算法,實(shí)驗(yàn)結(jié)果表明該算法在節(jié)點(diǎn)較多的社區(qū)結(jié)構(gòu)劃分上有較好的準(zhǔn)確性和穩(wěn)定性。 

【文章來源】：計算機(jī)與數(shù)字工程. 2020,48(12)

【文章頁數(shù)】：6 頁

【部分圖文】：

各數(shù)據(jù)集上各個算法的EQ值

?圖4DOCLLE在Zachary上的社區(qū)劃分結(jié)果對真實(shí)網(wǎng)絡(luò)來說，社區(qū)個數(shù)是未知的，采用以下比較適合衡量社區(qū)結(jié)構(gòu)［23］的評價系數(shù)：社區(qū)連接緊密度指標(biāo)EQ［17］和模塊化指標(biāo)Qov［24］對算法進(jìn)行檢驗(yàn)。評價系數(shù)的取值范圍均為（0~1），值越大說明算法效果越好。將文中提出的DOCLLE算法與局部擴(kuò)展經(jīng)典算法LFM［16］、DEMON［25］、標(biāo)簽傳播算法SLPA［14］以及DocNet［20］算法進(jìn)行對比，并在上述四個真實(shí)數(shù)據(jù)集上做對比實(shí)驗(yàn)。從圖5和圖6中可看出，DocNet算法在不同數(shù)據(jù)集上均有比較好表現(xiàn)，但在規(guī)模較大的Netscience數(shù)據(jù)集上，Qov分值較DOCLLE來說相對較低；DOCLLE算法在不同數(shù)據(jù)集上均有比較好的表現(xiàn)，尤其在Netscience數(shù)據(jù)集上，相較于LFM、SLPA、Demon算法來說，DOCLLE算法的EQ值、Qov值是最高的，這意味著隨著網(wǎng)絡(luò)中節(jié)點(diǎn)數(shù)量的增多，DOCLLE算法的社區(qū)劃分能力在逐步增強(qiáng)。圖5各數(shù)據(jù)集上各個算法的EQ值圖6各數(shù)據(jù)集上各個算法的Qov值2909

DocNet與DOCLLE在人工網(wǎng)絡(luò)下NMI值對比

【參考文獻(xiàn)】：
期刊論文
[1]復(fù)雜網(wǎng)絡(luò)大數(shù)據(jù)中重疊社區(qū)檢測算法[J]. 喬少杰,韓楠,張凱峰,鄒磊,王宏志,Louis Alberto GUTIERREZ.  軟件學(xué)報. 2017(03)



本文編號：3313199