采用模糊层次聚类的社会网络重叠社区检测算法

李刘强; 桂小林; 安健; 孙雨

您当前的位置：

首页 >

文章列表页 >

采用模糊层次聚类的社会网络重叠社区检测算法

更新时间：2025-07-09

- 采用模糊层次聚类的社会网络重叠社区检测算法
- 暂无标题
- 西安交通大学学报 2015年第2期页码：6-13
- 作者机构：
  
  1. 西安交通大学电子与信息工程学院
  2. 西安交通大学陕西省计算机网络重点实验室
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(61172090);陕西省科技统筹创新工程资助项目(2013SZS16-Z01/P01/K01);中央高校基本科研业务费专项资金资助项目(XJJ2014049,XKJC2014008);陕西省自然科学基金资助项目(2012K06-30,2014JQ8322)
- DOI：
  中图分类号： TP393.0
- 纸质出版：2015
- 稿件说明：
移动端阅览
李刘强, 桂小林, 安健, 等. 采用模糊层次聚类的社会网络重叠社区检测算法[J]. 西安交通大学学报, 2015,(2):6-13.
李刘强, 桂小林, 安健, 等. 采用模糊层次聚类的社会网络重叠社区检测算法[J]. 西安交通大学学报, 2015,(2):6-13. DOI：

DOI：

摘要

为了能够发现社会网络中的重叠社区以及解决重叠社区之间关系的模糊性和层次性

提出了一种基于模糊层次聚类的重叠社区检测算法(CDHC)。算法中引入了距离加权因子来计算社区间的相似度

通过模糊层次聚类来合并相似度高的社区;针对合并生成的原始社区计算社区中节点的隶属度

再将隶属度小于阈值的节点从社区中移除

从而形成最终的网络重叠社区结构。该算法不仅可以发现重叠的社区结构

还可以处理孤立节点。在Lancichinetti基准网络和真实网络上将CDHC算法与具有代表性的重叠社区发现算法CMP和LFM进行了比较

结果表明:影响社区检测精度的主要因素是社区间的混合程度

而网络规模和网络中社区的规模的影响并不显著;CDHC算法在小社区网络上的社区检测精度优于LFM

在大社区网络上的社区检测精度优于CMP。CDHC算法在保持社区检测质量的同时

还具有较好的稳定性

是一种有效的社会网络重叠社区检测算法。

Abstract

关键词

Keywords

references

Ronghua Shang,Jing Bai,Licheng Jiao,Chao Jin.Community detection based on modularity and an improved genetic algorithm[J].Physica A: Statistical Mechanics and its Applications,2012.

Andrea Lancichinetti,Santo Fortunato,János Kertész.Detecting the overlapping and hierarchical community structure in complex networks[J].New Journal of Physics,2009.

索勃,李战怀,陈群,王忠.基于信息流动分析的动态社区发现方法[J].软件学报,2014(03).

朱牧,孟凡荣,周勇.基于链接密度聚类的重叠社区发现算法[J].计算机研究与发展,2013(12).

邓小龙,王柏,吴斌,杨胜琦.基于信息熵的复杂网络社团划分建模和验证[J].计算机研究与发展,2012(04).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

采用社会网络能力发现的众包服务节点选择算法

二阶随机共振系统的冲击信号检测

语义区分和子图整合驱动的知识图谱表示学习方法

EBSILON软件在热电联产系统优化中的应用综述

扇贝仿生密封腔室内超临界二氧化碳泄漏流湍动能耗散机理研究