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)化的算法通常考慮2種信息源,即網(wǎng)絡(luò)結(jié)構(gòu)和節(jié)點(diǎn)屬性,以獲得具有更密集的網(wǎng)絡(luò)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(dòng)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(gè)重疊社區(qū)發(fā)現(xiàn)框架中,設(shè)計(jì)了自適應(yīng)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(shí)網(wǎng)絡(luò)上進(jìn)行了廣泛的實(shí)驗(yàn),進(jìn)一步分析驗(yàn)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(jì)算機(jī)工程與科學(xué). 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(gè)人工數(shù)據(jù)集上取不同η和λ值時(shí)對聚類結(jié)果的影響。由于篇幅限制,且使用NMI分?jǐn)?shù)的量化結(jié)果與F1分?jǐn)?shù)的一致,故僅將使用F1分?jǐn)?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?jǐn)?shù)的波動(dòng)不大,即聚類精度對這2個(gè)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(yùn)行時(shí)間比較

算法運(yùn)行時(shí)間比較

【參考文獻(xiàn)】：
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(jià)方法[J]. 張仰森,鄭佳,唐安杰.  電子學(xué)報(bào). 2017(11)
[2]基于聯(lián)合矩陣分解的節(jié)點(diǎn)多屬性網(wǎng)絡(luò)社團(tuán)檢測[J]. 常振超,陳鴻昶,劉陽,于洪濤,黃瑞陽.  物理學(xué)報(bào). 2015(21)



本文編號：3337808