基于网络拓扑与节点元数据的社团检测算法

摘要：

传统社团检测算法利用网络拓扑挖掘社团结构,忽略了真实复杂网络中节点自身属性等信息在社团归属方面的重要作用.为此,提出基于网络拓扑与节点元数据的复杂网络社团检测算法.将高维的节点元数据建模为混合高斯模型,结合随机块模型建立似然概率模型,通过求解模型最优解得到网络的最优划分结果.在基准网络与Facebook网络上的实验结果表明,该算法不仅能准确挖掘网络中的社团结构,而且可结合真实社团情况给出合理解释.

关键词：复杂网络、社团检测、节点元数据、高斯混合模型、随机块模型

所属期刊栏目：44

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金91430214;“核高基”重大专项2015ZX01040-201

在线出版日期：2019-01-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：178-183