节点文献

一种基于异域自适应的新型社团发现算法

免费订阅

【作者】 段明月黄晶陈贺昌金弟

【Author】 Duan Mingyue;Huang Jing;Chen Hechang;Jin Di;College of Computer Science and Technology,Jilin University;Key Laboratory of Symbol Computation and Knowledge Engineering(Jilin University),Ministry of Education;School of Computer Science and Technology,Tianjin University;

【机构】 吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室(吉林大学)天津大学计算机科学与技术学院

【摘要】 社团发现已被广泛应用于社会学、生物学、物理学和计算机科学等诸多领域.通过发现复杂网络中的社团结构,可以帮助人们理解和分析复杂网络的功能,发现复杂网络中隐藏的规律并预测复杂网络的行为.目前,已有的社团发现算法主张融合网络结构信息和内容信息,以更好地避免网络噪声和节点缺失等原因对算法有效性产生影响.然而,它们并没有考虑当网络结构信息和内容信息维度不同时如何进行信息融合.针对该问题,提出一种基于异域自适应理论的网络社团发现算法CDHDA.该算法能够将不同维度的网络结构信息和内容信息映射到同一维度的子空间中,以实现对不同维度的信息融合.此外,在信息融合过程中可以对主要信息特征进行加强,以降低网络噪声和节点缺失对算法性能的影响.通过真实的社交网络数据集与经典的社团发现算法进行对比,验证了该算法的有效性.

【基金】 国家自然科学基金(61373053,61572226);吉林省科技发展计划重点科技研发项目(20180201044GX,20180201067GX)
  • 【DOI】10.13232/j.cnki.jnju.2018.01.005
  • 【分类号】TP301.6
  • 【下载频次】24
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: