社会网络中面向多准则约束的社区发现方法

摘要：

社会网络上的社区发现技术是近年来的研究热点之一,通常的社区发现方法往往立足于最优化社区的某个特征,从而达到识别社区的目的,例如最优化节点群的链接密度.在实际需求中,人们往往期待能够识别满足多种特征约束的社区,例如既连接紧密又在满足某种形状约束的条件下,规模越大越好.在某些情况下,单一条件约束的社区发现方法通常无法满足用户对于多准则的要求,而由于网络社区形式的任意性,不同发现方法的结果又难以合并.针对这一需求,给出了一种社区发现的多准则约束模型,以及能够同时满足结构约束、社区规模要求和紧密度要求的典型社区多准则约束规则;提出了一种高效的算法和剪枝策略,并在一个大规模的真实数据集上验证了该算法的有效性和高效率.

关键词：社区发现方法、多准则约束、相对密度、剪枝、局部搜索

所属期刊栏目：4

分类号：TP311(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No. 60873204, 60933005

在线出版日期：2010-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：683-691