社區(qū)發(fā)現(xiàn)算法是發(fā)現(xiàn)社區(qū)內(nèi)部結(jié)構(gòu)和組織原則的基本工具�，F(xiàn)有的基于模型的算法和基于優(yōu)化的算法通�？紤]2種信息源,即網(wǎng)絡結(jié)構(gòu)和節(jié)點屬性,以獲得具有更密集的網(wǎng)絡結(jié)構(gòu)和相似屬性信息的社區(qū)。然而此類算法在聚類過程中無法自動確定結(jié)構(gòu)與屬性之間的相對重要性,以揭示子空間,因此檢測到的社區(qū)質(zhì)量還需提升。將子空間集成到一個重疊社區(qū)發(fā)現(xiàn)框架中,設(shè)計了自適應結(jié)構(gòu)和屬性權(quán)重策略,有效地揭示子空間,從而發(fā)現(xiàn)多樣性的社區(qū)。在人工和真實網(wǎng)絡上進行了廣泛的實驗,進一步分析驗證了揭示子空間對于捕獲更好的社區(qū)的重要性,說明了本文算法的合理性和有效性。 

【文章來源】：計算機工程與科學. 2020,42(08)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

融合結(jié)構(gòu)和屬性視圖的可重疊社區(qū)發(fā)現(xiàn)算法流程圖

圖2a和圖2b分別顯示了COCD算法在5個人工數(shù)據(jù)集上取不同η和λ值時對聚類結(jié)果的影響。由于篇幅限制,且使用NMI分數(shù)的量化結(jié)果與F1分數(shù)的一致,故僅將使用F1分數(shù)量化的結(jié)果表示出來。從圖2能看出,η和λ從0.5變?yōu)?的過程中,F1分數(shù)的波動不大,即聚類精度對這2個參數(shù)不敏感。結(jié)果表明COCD算法對參數(shù)η和λ具有魯棒性。圖3 算法運行時間比較

算法運行時間比較

【參考文獻】：
期刊論文
[1]基于多特征融合的微博用戶權(quán)威度定量評價方法[J]. 張仰森,鄭佳,唐安杰.  電子學報. 2017(11)
[2]基于聯(lián)合矩陣分解的節(jié)點多屬性網(wǎng)絡社團檢測[J]. 常振超,陳鴻昶,劉陽,于洪濤,黃瑞陽.  物理學報. 2015(21)



本文編號：3337808