利用社区选举和链路预测的分类方法

作者：杨旭华; 陈孝则; 王磊; 许营坤; 叶蕾; 毛剑飞^*

来源：小型微型计算机系统, 2022, 43(08): 1569-1576.

DOI：10.20009/j.cnki.21-1106/TP.2021-0068

• 社区检测
• 链路预测
• 机器学习
• 社区选举
• 分类算法

分类方法通过比较数据之间的相似性，把不同特征或属性的数据分别归属到不同的类别，在金融、医学和生物等领域有着广泛的应用.本文首次提出了一种利用社区选举和链路预测的分类方法(CCELP),该方法首先用k近邻算法将数据集转化成一个稀疏网络，接着使用社区检测算法把网络划分为多个社区，并通过投票选举得到每个社区的代表节点，移除不符合“过半数原则”的部分代表节点，将剩余代表节点同社区内节点相连得到新网络；接着提出了考虑二级共同邻居的分类链路预测(CLP)指标，在新网络中按照节点和代表节点间的CLP指标把节点归属到不同的类别中去，从而完成数据分类.在16个数据集上，CCELP与8种知名分类方法进行了比较，实验结果表明CCELP具有优异的分类效果.

• 单位
  浙江工业大学