用于情报挖掘的典型网络社团划分算法比较研究

摘要：

[目的]对复杂网络领域典型的社团划分算法进行全面系统的比较,为情报研究人员开展相关社团划分研究提供参考.[方法]比较几种经典社团划分算法在理论、计算方法上的异同并展示其在小型的经典数据集上的划分结果;扩大研究数据集,选取适用数据规模范围较广的Louvain算法、Louvain多级细分算法及SLM算法,进一步验证其在合作网络与引文网络上的划分效果.[结果]在小型数据上,GN算法与FN算法的划分结果类似,SLM算法的划分效果优于Louvain算法及其多级细分算法.在图书情报领域通常涉及的数以千计的机构合作网络、引文网络而言,分辨率设定值为0.5左右即可获得较利于解析的社团划分结果,此时SLM算法获得的社团划分结果与Louvain及其多级细分算法存在相对较大的差异,后两者的社团划分结果基本相近,当分辨率设定为1.0时,二者社团划分结果的差异性逐步显著.[局限]尽管Louvain算法、Louvain多级细分算法及SLM算法仍然适用于大型网络的社团划分,但本文仅对数千个节点的中型网络开展比较研究,并未涉及大规模数据网络的划分比较.[结论]Louvain算法、Louvain多级细分算法及SLM算法在时间效率上均优于早期的GN算法与FN算法,且针对中小型数据集的划分效果也较好.其中,SLM算法在引文网络上的社团划分效果优于Louvain算法及其多级细分算法.

关键词：复杂网络、社团、合作网络、引文网络

所属期刊栏目：2

分类号：G350(情报学、情报工作)

资助基金：科技部国家重点研发计划重点专项“专业内容知识服务众智平台与应用示范”项目2017YFB1402400的研究成果之一

在线出版日期：2019-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：84-94