基于网络预处理的改进标签传播算法
LPA中存在的随机策略, 严重破坏算法的鲁棒性. 随着大数据时代的来临, 复杂网络的规模不断增大, 从而造成算法的运算量增加, 收敛速度减慢. 针对这一问题, 提出了一种新的改进标签传播算法-KLPA. 首先, 对初始网络预处理: 利用K-Shell指数将网络划分成核心-边缘层次, 去除边缘层节点, 赋予核心层的节点标签. 其次, 改进标签传播策略对预处理网络进行社区划分. 最后, 实验证明KLPA算法减小网络规模, 提高了社区划分质量, 同时也加快了算法的收敛速度.
大数据、LPA、随机策略、K-Shell指数
27
国家自然科学基金61540063;云南省应用基础研究计划项目201616FD058
2018-05-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
173-177