社交网络中基于模块度最大化的标签传播算法的研究

合集下载

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

陈晶，万云
（１．燕山大学信息科学与工程学院，河北秦皇岛０６６００４；２．河北省虚拟技术与系统集成重点实验室，河北秦皇岛０６６００４）
摘
要：提出了一种利用模块度最大化与社区结构属性相结合的社区发现方法。首先，针对基于模块度最大化的
ｕｔｉｌｉｚｅｄｔｏｒｅｄｕｃｅｔｉｍｅｃｏｍｐｌｅｘｉｔｙ．Ｓｅｃｏｎｄｌｙ，ＣＤＭＭ－ＬＰＡａｌｇｏｒｉｔｈｍｗａｓｐｒｏｐｏｓｅｄｂｙｃｏｍｂｉｎｇｌａｂｅｌｐｒｏｐａｇａｔｉｏｎｗｉｔｈ
ｔｉｍｅｃｏｍｐｌｅｘｉｙ，ｔｔｈｅｒｅｆｏｒｅ，ｉｎｒｏｔｄｕｃｉｎｇｐｒｏｐａｇａｔｉｏｎｄｉｓｔｎｃａｅｐａｒａｍｅｔｅｒａｎｄ“ ｍｅｒｇｅｒｇｏｉｎｇａｆｔｅｒｌａｂｅｌｐｒｏｐａｇａｔｉｏｎ ’ ’ ｗａｓ
标签传播算法中存在的时间复杂度高的问题，引入传播距离参数，依据 “ 先传播，后合并”的原则，降低了社区合并导致整个网络需要更新带来的较高时间复杂度；其次，结合社区结构的概念提出了基于模块度最大化的标签传播算法（ＣＤＭＭ— ＬＰＡ）；最后，基于网络数据集，验证并分析了ＣＤＭＭ．ＬＰＡ算法的可行性。实验结果表明，ＣＤＭＭ．ＬＰＡ算法在降低了时问复杂度的同时，获得了较高的模块度值和更加稳定的强社区结构。关键词：模块度；传播距离；社区结构；标签传播；社区发现中图分类号：ＴＰ３０１．６文献标识码：Ａ
Ｒｅｓｅａｒｃｈｏｎｌａｂｅｌｐｒｏｐａｇａｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎ
￣ｄｕｌａｒｉ ‘
ＣＨＥＮＪｉｎｇ，－，ＷＡＮＹｕｎ
（１．ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＹｎｓａｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｑｉｎｈｕａｎｇｄａｏ０６６００４，Ｃｈｉｎａ；２．ＫｅｙＬａｂｏｒａｔｏｒｙｆｏｒＣｏｍｐｕｔｅｒＶｉｒｔｕａｌＴｅｃｈｎｏｌｏｇｙａｎｄＳｙｓｔｅｍＩｎｔｅｇｒａｔｉｏｎｏｆＨｅｂｅｉＰｒｏｖｉｎｃｅ，Ｑｉｎｈｕｎｇａｄａｏ０６６００４，Ｃｈｉｎａ）
ｔｒｉｂｕｔｅｓｗａｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ｕｐｄａｔｉｎｇｔｈｅｗｈｏｌｅｎｅｔｗｏｒｋａｔｅｆｒｃｏｍｍｕｎｉｔｉｅｓｍｅｒｇｉｎｇｅｖｅｒｙｔｉｍｅｃｏｕｌｄｒｅｓｕｌｔｉｎｔｈｅｈｉｇｈ
Ａｂｓｔｒａｃｔ：Ａｋｉｎｄｏｆｃｏｍｍｕｎｉｔｙｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｔｈｅｃｏｍｂｉｎａｔｉｏｎｏｆｍｏｄｕｌａｒｉｔｙａｎｄｃｏｍｍｕｎｉｙｔｓｔｒｕｃｔｕｒｅａｔ —
第３８卷第２期２０１７年２月
通信学源自报、，０ｌ＿３８ＮＯ．２Ｆｅｂｒｕａｒｙ２Ｏ１７
Ｊｏｕｒｎａ１ｏｎＣｏｍｍｕｎｉｃａｔｉｏｎｓ
社交网络中基于模块度最大化的标签传播算法的研究
ｃｏｍｍｕｎｉｙｔｓｔｒｕｃｔｕｒｅ．Ｆｉｎａｌｌｙ，ｅｍｐｉｉｃｒａｌａｎａｌｙｓｉｓｏｎｄａｔａｎｅｔｗｏｒｋｓｖｅｉｆｒｉｅｄｔｈｅｖａｌｉｄｉｙｔｏｆｔｈｅａｐｐｒｏａｃｈｅｓ．Ｔｈｅｅｘｐｅｒｉ — ｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅＣＤＭＭ — ＬＰＡａｌｇｏｒｉｔｈｍｈａｓａｈｉｇｈｍｏｄｕｌｒｉａｙｔｖａｌｕｅａｎｄａｍｏｒｅｓｔａｂｌｅｃｏｍｍｕｎｉｔｙｓｔｒｕｃｔｕｒｅ