科研之友
微信
新浪微博
Facebook
分享链接
摘要
社区检测是复杂网络分析的重要研究任务之一，其检测结果有助于人们深入理解复杂网络的社区结构，同时为下游任务提供支持，如内容推荐、链路检测等。针对复杂网络的社区检测问题，提出了一种基于标签传播的两阶段社区检测算法——TS-LPA。TS-LPA采用扩展邻域的思想来量化节点的传播能力，并在此基础上，利用节点信息和网络中边的权重等信息，提出了新的评价指标来衡量节点的中心性和节点之间的影响力。所提算法在计算节点中心性的基础上确定了节点标签更新的顺序和种子节点的选择策略，消除了算法在更新过程中的不稳定。在节点标签更新的过程中，为了更好地利用邻居节点标签类别来进行标签更新，TS-LPA采用广度优先传播的思想，提出了第二阶段标签传播方式。当标签开始传播的时候，待更新节点的所有邻居节点都对该节点的类别标签产生影响，同时，为了减轻周围邻居节点对待更新节点的支配程度，除邻居节点的影响外，加入附近种子节点对待更新节点的影响，共同完成节点的标签更新。在不同的真实数据集和人工合成数据集的实验结果分析表明，TS-LPA在消除随机性、表现出较强稳定性的同时，有效提高了社区检测的质量。
-
单位哈尔滨工业大学; 哈尔滨工业大学（威海）
