有向网络下的CoDA社区发现算法评估

摘要：

CoDA算法是一种基于概率模型的能识别二分结构的社区发现算法.为了验证该算法的社区划分效果,采用信息检索领域的F-measure标准,对有向网络下重叠社区和非重叠社区的CoDA社区发现算法进行评估.F-measure标准中F1-measure值的大小能反映CoDA算法社区划分效果的优劣.实验所用的数据集由LFR Benchmark工具生成,数据集中节点数最小为100,最大为20 000,每增加100节点对CoDA算法社区划分效果评估一次.分析实验结果可以得出,当节点数小于1 600时,CoDA算法的划分效果较好.当节点数大于1 600时,随着节点个数增多,CoDA算法社区划分效果逐渐变差.由此说明,基于概率模型的CoDA算法适用于小规模社交网络社区的划分.

关键词：算法理论、社区发现、CoDA算法、有向网络、评估、F-measure

所属期刊栏目：38

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金71271076

在线出版日期：2017-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：169-175