针对目前基于种子节点选择的社区发现算法在准确性和复杂度等方面存在的不足, 提出了一种基于Node2Vec的重叠社区发现算法. 首先, 使用Node2Vec算法学习到网络中每个节点的向量表示, 用以计算节点间的相似度, 其次, 利用节点影响力函数计算节点影响力并找出种子节点, 然后基于每个种子节点进行社区的扩展优化, 最终挖掘出高质量的重叠社区结构. 本文选取多个真实网络进行了对比实验, 结果表明, 本文所提出的算法能够在保证良好稳定性的前提下发现高质量的社区结构.
2024-03-11 12:27:14
941KB
1
随着社区规模的不断扩大，基于标签传播思想的重叠社区发现算法得到较大发展。经典重叠社区发现算法虽然很好地利用了标签随机传播特性实现了重叠社区发现，但是也导致该算法输出结果很不稳定、社区生成质量较差。为克服采用最新的ClusterRank为所有节点排序降低随机性带来的结果稳定性差的弊端，引入最大社区节点数以控制最大社区节点数目，防止远大于其他社区的Monster出现。采用真实数据集和人工网络验证，结果证实，改良后算法可行有效。
2022-01-13 09:37:06
1.2MB
1
LFM算法是来源于论文《Detecting the overlapping and hieerarchical community structure in complex networks》，文档中包含该算法的python的源码，以及用到的数据集，仅供大家学习参考。
2019-12-21 22:24:59
6KB
1
K派系算法用于发现重叠社区，代码原型来自文章Uncovering the overlapping community structure of complex networks in nature and society（2005）
2019-12-21 20:43:21
2KB
1