科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对节点之间的相似性是社交网络研究中的一个核心概念,提出了一种因邻居节点状态变化引起的节点相似度变化的算法称为动态相似度算法(TCS,Time Cosine Similarity)。首先,定义变化指数(TE,Time Exponent)来计算出节点状态变化中由邻居节点所带来的影响。其次,考虑节点和邻居节点的总体变化定义节点变化指数(TS,Time Similarity)。最后,在余弦相似度的基础上提出了一个称为动态节点相似度的量来表示节点之间的相似程度。多个数据集实验结果显示:所提出的方法的划分效果优于同类型算法,相比LPA、GN、FN其模块性和标准归一化在数据集上都有明显提高。
- 单位
