10.19678/j.issn.1000-3428.0061474
基于节点引力与鱼记忆的社区检测算法
标签传播算法是高效且具代表性的社团检测算法,其中不包含必需调节适应的相关参数,是大型网络社团检测的首选算法.标签传播算法具有较低的时间复杂度,但其随机性较强,且在标签传播过程中存在不确定性因素,影响了社区检测的准确性和稳定性.针对上述问题,提出一种基于节点引力和鱼记忆标签存储策略的社区检测算法CDA-GM.通过融入节点信息熵的k-shell排序策略增强社区检测的准确性,利用节点间的引力更新标签,减小标签传播的随机性.在此基础上,引入鱼记忆节点标签存储策略,避免出现标签震荡,增强标签传播的稳定性.选择人工网络和真实世界网络数据集进行实验,结果表明,该算法能够显著提高社区检测质量,获得准确的社区结构,与COPRA、SLPA、DLPA和COPRAPC算法相比,其标准化互信息值平均提高0.01、0.18、0.12、0.02,社区模块度平均提高0.04、0.02、0.07、0.01.
社区检测、标签传播、节点引力、鱼记忆、节点信息熵
48
TP301.6(计算技术、计算机技术)
国家自然科学基金61403249
2022-05-17（万方平台首次上网日期，不代表论文的发表时间）
共8页
104-111
