首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 202 毫秒

1.  基于传染病模型的LPA特征阀值社团划分方法  
   邓小龙  温颖《电子学报》,2016年第9期
   社团结构划分对于分析复杂网络的统计特性非常重要。在非均匀社交网络的信息传播中,社团结构划分更是一个广泛关注的研究热点,相关研究往往侧重于研究紧密连接的社团结构对于信息传播所产生的关键影响。传统社团划分方法大多基于点和边的相关特性进行构建,如标签传播算法LPA(Label Propagation Algorithm)通过半监督机器学习方法,基于网络节点标签的智能交换和社团融合过程进行社团划分,但运行效率较低。为提高LPA类算法的运行速度,使其快速收敛,并提高社团划分精度,特别是重叠社团划分精度,针对LPA算法划分中的低运行效率和低融合收敛速度,本文从标签传播的网络连接矩阵本质出发,将该矩阵的最大非零特征值与网络标签信息传播的阀值相结合,提出了新的基于传染病传播模型的社团划分方法(简称ESLPA算法,Epidemic Spreading LPA)。通过经典LFR Benchmark模拟测试网络、随机网络以及真实社交网络数据上的算法验证,结果表明该算法时间复杂度大幅优于经典LPA算法,在重叠社团划分上精确度优于基于LPA模型的经典COPRA算法,特别是在重叠社团较明显时,划分精度接近精度较高GA、N-cut和A-cut算法,明显优于GN、FastGN和CPM等经典算法。    

2.  复杂网络的重叠社区及社区间的结构洞识别  
   刘世超  朱福喜  冯曦《电子学报》,2016年第11期
   大数据环境下如何有效地、准确地识别复杂网络的重叠社区是近年来学者关注的重点。本文提出一种基于多标签传播方式MLPS(Multiple Label Propagation Strategy)的重叠社区识别算法,该算法首先利用影响力最大化模型选取初始种子集合并赋予它们唯一的标签,然后采用结点间的相似性和影响传播特性共同作用于标签的传播迭代过程,迭代停止后将具有相同标签的结点划分为同一社区。通过合成网络和真实网络的实验验证了MLPS算法具有较高的准确度和模块度,且具有接近线性的时间复杂度。另外,在对MLPS算法输出的重叠结构进行分析的基础上,本文提出社区间的结构洞识别算法SHCDA(Structural Holes Between Communities Detection Algorithm),该算法通过分析重叠结构和重叠结点的位置特征,计算重叠结点作为结构洞的得分,最后输出top-k结构洞。本文在不同特性的数据集上进行实验,结果证明了SHCDA算法具有最好的准确度。    

3.  一种重叠社区发现的启发式算法  被引次数:2
   万雪飞  陈端兵  傅彦《计算机工程与应用》,2010年第46卷第3期
   提出了一种重叠社区发现的启发式算法。该算法基于局部贡献度的思想,以度最大的节点作为初始社区,逐步把对社区贡献最大的邻节点加入社区;同时考虑了社区的重叠性,若存在对多个社区贡献都很大的边界节点,则把边界节点同时加入到这些社区中。最后利用重叠系数对所划分的社区进行调整,使社区结构更加合理。对两个经典的社会网络Zachary和American College Football进行了实验测试,实验结果表明:该算法能快速准确地划分出社区,并能挖掘出社区间的边界节点。    

4.  基于多标签传播的重叠社区发现优化算法  
   杜长江  王志晓  邢贞明《数据采集与处理》,2018年第33卷第2期
   标签传播算法是一种被广泛应用的社区发现算法,该算法为网络中的每个节点分配一个初始标签,然后通过传播标签来发现复杂网络中的潜在社区,具有时间复杂度低的特点。当前基于标签传播的重叠社区发现算法存在忽略节点重要性差异、需要人为设置参数等不足。针对该类算法在重叠社区发现方面的缺陷,提出一种基于多标签传播的重叠社区发现优化算法。该算法使用K-核分解方法找出若干个社区核心节点,以这些节点为种子节点,逐层向外传播标签;在进行标签选择的时候以邻居节点标签的种类来决定重叠节点的标签个数。实验表明,该算法明显改善了社区发现的性能,提高了划分结果的稳定性和准确性。    

5.  基于LeaderRank和节点相似性的多标签传播重叠社团挖掘算法  
   王林  饶仁杰《计算机系统应用》,2018年第27卷第6期
   针对基于多标签传播重叠社团挖掘算法COPRA因随机更新策略带来的不稳定性以及需要预先输入参数的局限性等问题,提出一种基于LeaderRank和节点相似性的多标签传播重叠社团挖掘算法.该算法首先利用LeaderRank算法对网络中的节点进行重要性排序从而确定节点的更新顺序,减少标签不必要的更新.在标签传播过程中,根据节点相似性重新设计标签的更新策略,提高算法的稳定性.将算法应用于人工网络和真实网络中进行实验,实验结果表明该算法在挖掘重叠社团上具有较高的准确性和稳定性.    

6.  基于种子节点选择的重叠社区发现算法*  
   齐金山  梁 循《计算机应用研究》,2017年第34卷第12期
   识别网络社区对于了解社会网络的结构和功能具有重要意义。由于网络中某些节点可能属于多个社区,因此重叠社区的研究已经吸引了人们越来越多的关注。本文针对目前从局部社区扩展成全局社区时有关算法的种子节点选择不合理的情形,提出了一种基于种子节点选择的重叠社区发现算法。本算法首先根据影响力函数找出局部影响力最大的节点,由这些节点构成的种子集合较好的分布在整个网络中,然后以这些种子点构造初始社区,根据设定的吸引度函数选择性添加节点来进行社区扩展。实验结果表明,该算法在真实网络上进行测试时能够有效的挖掘网络中的重叠社区。    

7.  新型影响力最大化算法  
   宋伟  梁霖  李锋《电视技术》,2014年第38卷第15期
   如何从包含成千上万个节点的社会网络中选取初始节点集来传播信息,使最后接受者的数量达到最大化,已成为社会网络领域研究的热点。在此背景下,提出了一种新的初始节点选择算法——基于社区的影响力最大化算法,该算法在综合考虑传播效果及时间复杂度的基础上,将初始节点的选择过程划分为网络划分、启发、贪心三个阶段。并通过实验证明,与已有算法相比,该算法最终的传播效果更为理想,且时间复杂度较低。    

8.  代数连通性在社会网络影响力传播最大化中应用研究  
   赵富强  杨贵军  王双林  何 丽《计算机应用研究》,2018年第35卷第1期
   针对社会网络信息传播的研究多集中于具体应用场景中的传播机制,而用户间关系所形成的网络拓扑结构对传播的影响却没有给予充分考虑,因此对信息扩散的分析应当综合考虑社会网络的传播机制和结构特征;把相关系数引入到割边模型可以有效解决重叠社团划分问题,在考虑社会网络拓扑结构特征的基础上,提出了基于代数连通性的社会网络影响传播最大化模型,模型以代数连通性为主要参量计算边的中心性,实现网络社区的快速划分,通过降维达到算法效率优化;模型挖掘社区内影响力大的核心节点、度中心节点和社区间的桥节点,从中选择Top-k全局影响力最大的节点作为初始传播点集;实验结果显示,模型在传播影响范围和运行时间上都更具优势。    

9.  基于节点层级与标签传播增益的重叠社区发现?  
   陈羽中  施松  陈国龙  於志勇《模式识别与人工智能》,2015年第4期
   多标签传播算法具有接近线性的时间复杂度,但用于重叠社区发现时存在精度低、稳定性差的问题。文中基于重叠节点更可能出现在社区边缘的思想,提出基于节点层级与标签传播增益的重叠社区发现算法。该算法首先利用改进的基于节点中心度与社区分布约束的单标签传播方法发现非重叠社区,并在标签传播过程中利用局部信息同步计算节点中心度。然后根据节点中心度定义节点层级函数,标记节点在所属社区中的层级。最后基于节点间的标签传播增益,利用新的多标签更新规则,获得重叠社区结构。实验表明该算法能有效提高精度和稳定性。    

10.  基于链路标签传播的重叠社团发现算法  
   董哲  伊鹏  贺成龙《计算机工程与设计》,2014年第10期
   为挖掘复杂网络中的重叠社团结构,在标签传播算法的基础上,从链路的角度出发,提出一种新的标签更新策略。考虑不同邻居对链路标签贡献值的不同特点,使其更新过程更加快速,克服当前基于节点的标签传播算法需要指定节点所属社团个数的缺陷,在无需人工干预的情况下得到稳定的重叠社团结构。将该算法分别应用于人工网络和真实的社会网络中,实验结果表明,该算法能够快速、有效地挖掘稳定的重叠社团结构。    

11.  一种稳定的标签传播社区发现算法  
   石立新  张俊星《计算机应用与软件》,2015年第3期
   标签传播算法存在大量随机性,极大地破坏了算法的稳定性。在深入分析标签传播算法随机性产生原因的基础上,提出基于节点度的标签传播算法。该算法初始化时仅赋予节点度的极值点以标签,并根据邻接节点中具有相同标签的节点度之和进行标签更新。实验表明该算法极大地降低了算法中的随机性,提高了社区划分的稳定性,加快了算法的收敛速度。    

12.  面向多源社交网络的社团结构特征研究(研究生论坛)  
   李敏毓  陈兴蜀  尹雅丽  王海舟  王文贤《四川大学学报(工程科学版)》,2017年第49卷第Z2期
   为了研究社交网络社团结构对舆情传播的影响,本文对比分析了多源社交网络的社团结构特性及传播特性,并且利用COPRA算法和LFM算法进行了社交网络重叠社团研究,提出一种基于节点度过滤的LFM改进方法——NF-LFM算法。该算法对好友关系网络中节点度小于某一阈值的节点进行过滤,再对剩下的好友关系网络进行社团划分。实验结果表明:1)人人网、QQ空间、新浪微博都具有明显的社团结构特性,其中人人网和QQ空间的社团结构特性强于新浪微博;2)在不考虑社交网络用户活跃度的情况下,舆情信息在人人网上扩散范围最广,新浪微博次之,QQ空间扩散较慢。本文提出的改进方法能解决现有算法社团划分结果分辨率低的问题,且有效弥补了LFM算法在大规模社团发现时陷入无限的迭代过程而导致时间复杂度高的缺点,将其应用于经典数据集中也符合理论预期结果。本文的研究结果将有助于进一步理解和认识社交网络社团结构对舆情传播的影响,同时对于网络群体事件发现和舆情监控及引导等具有重要意义。    

13.  有效改善标签传播算法鲁棒性的途径  
   季青松  赵郁忻  陈乐生  陈秀真  李生红《信息安全与通信保密》,2012年第9期
   在大规模复杂网络社区划分中,标签传播算法已经被证实为一种速度极快的算法,被广泛应用。但是标签传播算法还存在一些缺陷,比较突出的是社团划分结果的不稳定,鲁棒性较差。通过某些指标来计算节点在网络中的影响力,在节点第一次更新时,有效地将影响力较大的核心节点标签值传播出去,准确形成各个社区的基本框架,大幅改善了传统标签传播算法的鲁棒性,同时取得了更好的社区划分效果。    

14.  基于共同好友数的在线社会网络社区发现算法  
   方平  郭正彪  李芝棠  涂浩  杨彦明《计算机科学与探索》,2012年第5期
   为了快速准确地找到在线社会网络的社区结构,提出了一种基于共同好友数和节点邻居信息的社区结构发现算法。该算法以共同好友数最多的两个节点为初始社区,不断寻找与社区连接性最强的节点,并以节点Q值为衡量标准,判断是否将该节点加入到初始社区中,最后根据节点邻居所在初始社区信息确定最终的社区划分。针对两个经典社会网络和人工生成网络数据的实验划分结果表明,该算法是可行和有效的。    

15.  基于重叠社区搜索的传播热点选择方法  
   单菁  申德荣  寇月  聂铁铮  于戈《软件学报》,2017年第28卷第2期
   随着社交网络的蓬勃发展,信息传播问题由于具有广泛的应用前景而受到广泛关注,影响力最大化问题是信息传播中的一个研究热点.它致力于在信息传播过程开始之前选取能够使预期影响力达到最大的节点作为信息传播的初始节点,并且多采用基于概率的模型,如独立级联模型等.然而,现有的影响力最大化解决方案大多认为信息传播过程是自动的,忽略了社交网站平台在信息传播过程中可以起到的作用.此外,基于概率的模型存在一些问题,如无法保障信息的有效传播、无法适应动态变化的网络结构等等.因此,本文提出了一种基于重叠社区搜索的传播热点选择方法,该方法通过迭代式推广模型根据用户行为反馈逐步选择影响力最大化节点,使社交网站平台在信息传播过程中充分发挥控制作用,并提出一种新型的基于重叠社区结构的方法来衡量节点影响力,根据这种衡量方式来选择传播热点.本文提出了解决该问题的两种精确算法,包括一种基本方法和一种优化方法,以及该问题的近似算法.并通过大量实验验证了精确及近似算法的效率和近似算法的准确率以及迭代式传播热点选择方法的有效性.    

16.  一种面向主题耦合的影响力最大化算法  
   吕文渊  周丽华  廖仁建《计算机科学》,2017年第44卷第12期
   网络逐渐成为了人与人之间的主要社交工具,在网络中挖掘最有影响力的用户成为了非常值得关注的问题。在传统影响力最大化算法的基础上提出了一种面向主题耦合的影响力最大化算法,该算法首先分析网络中不同主题之间的耦合相似性,在综合考虑主题之间耦合相似性与用户对不同主题偏好的基础上扩展独立级联模型,并使用经典的贪心算法挖掘最具有影响力的用户。与不考虑主题耦合的影响力最大化算法相比,所提算法考虑了传播主题之间的耦合相似性,并且能够与用户偏好进行更为有效地结合。最后,实验表明,相比于经典的影响力最大化算法,该算法能够更为有效地挖 掘在特定主题下最具有影响力的种子节点。    

17.  基于社交网络中重叠社区结构的研究  
   王威《通讯世界》,2016年第10期
   随着互联网技术的迅猛发展,推动了社交网络的发展.在基于传统经典的非负矩阵分解算法的基础上得到具有重叠区域的社区结构后,重点研究在具有重叠区域的社交网络中,用户节点关系的变化情况.结果表明,重叠社区结构保证了网络信息传播的畅通性和高效性.    

18.  基于社区度的边界节点影响力最大化算法  
   王双  李斌  刘学军  胡平《电子技术应用》,2015年第41卷第5期
   通常跨社区的信息传播更具有现实意义,而且大范围的信息传播往往也是跨社区的。为此提出一种基于社区度的边界节点影响力最大化算法,利用社会网络中的社区结构对社区中与其他社区有连接边的边界点进行研究,从而缩小选择初始节点的范围,降低时间复杂度。同时为更准确地评估边界节点的影响力,综合节点度、节点所直接相连社区数以及相应社区的规模作为社区度来衡量节点在信息传播中的重要性。最后通过实验验证了本算法相比其他算法具有更大的影响传播范围和更低的时间复杂度。    

19.  稳定标签传播的社区发现方法  
   张鑫  刘秉权  王晓龙《哈尔滨工业大学学报》,2016年第48卷第11期
   为提高标签传播算法的稳定性,解决标签传播算法随机性导致社区发现结果相差较大的问题,对标签初始化、随机队列设置和标签传播中随机选择过程进行了改进,提出一种稳定的标签传播社区发现方法. 该方法首先通过寻找不重叠三角形进行标签初始化,然后以节点标签的熵确定节点队列并分段随机排序,最后考虑邻接点的邻接点标签分布情况进行标签选择. 实验结果表明,在Zachary’s Karate Club、Dolphin Social Network和American College Football 3个社会网络上,本文方法的稳定指标和质量指标结果均高于其他方法. 稳定标签传播的社区发现方法保持了标签传播算法优点的同时,提高了社区发现结果的质量和稳定性.    

20.  基于引力因子的加权网络重叠社区识别算法  
   刘冰玉  王翠荣  王聪  苑迎《计算机科学》,2016年第43卷第12期
   通过挖掘大数据来识别复杂社会网络上的社区,有利于对经济、政治、人口等方面的重要问题进行定量研究,社区的识别算法已经成为当前研究的热点问题。重点研究了重叠社区识别问题,提出了基于引力因子的加权复杂网络的重叠社区识别算法GWCR。该算法首先选取万有引力因子大的节点为中心节点,将节点与中心节点之间的引力因子作为衡量标准,并将节点归入社区引力因子大于某一阈值的社区,最后通过识别重叠节点来识别重叠社区。在3个真实网络数据集上的实验结果表明,与传统的重叠社区识别算法相比,GWCR算法划分的社区的模块度较高。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号