大规模复杂网络下重叠社区的识别

王诗懿; 董一鸿; 李志超; 陈华辉; 钱江波

doi:10.3969/j.issn.0372-2112.2015.08.016

您当前的位置：

首页 >

文章列表页 >

大规模复杂网络下重叠社区的识别

学术论文 | 更新时间：2025-07-16

- 大规模复杂网络下重叠社区的识别
- The Identification of Overlapping Communities in Large-Scale Complex Networks
- 电子学报 2015年43卷第8期页码：1575-1582
- 作者机构：
  
  宁波大学信息科学与工程学院,浙江,宁波,315211
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61472194);浙江省自然科学基金 (No.LY13F020040);宁波市自然科学基金 (No.2013A610063,No.2014A610023)
- DOI：10.3969/j.issn.0372-2112.2015.08.016
  中图分类号： TP391
- 纸质出版：2015
- 稿件说明：
移动端阅览
王诗懿, 董一鸿, 李志超, 等. 大规模复杂网络下重叠社区的识别[J]. 电子学报, 2015,43(8):1575-1582.

WANG Shi-yi, DONG Yi-hong, LI Zhi-chao, et al. The Identification of Overlapping Communities in Large-Scale Complex Networks[J]. Acta Electronica Sinica, 2015, 43(8): 1575-1582.
王诗懿, 董一鸿, 李志超, 等. 大规模复杂网络下重叠社区的识别[J]. 电子学报, 2015,43(8):1575-1582. DOI： 10.3969/j.issn.0372-2112.2015.08.016.

WANG Shi-yi, DONG Yi-hong, LI Zhi-chao, et al. The Identification of Overlapping Communities in Large-Scale Complex Networks[J]. Acta Electronica Sinica, 2015, 43(8): 1575-1582. DOI： 10.3969/j.issn.0372-2112.2015.08.016.

摘要

随着网络规模的不断扩大

经典的复杂网络重叠社识别算法已不能高效处理现有的大规模网络图数据.本文在GraphLab并行计算模型上提出了基于重要节点扩展的重叠社区识别算法DOCVN (Detecting the Overlapping Community algorithm based on Vital Node Expanding in GraphLab).算法选取网络中PageRank值大的节点作为重要节点

计算其他节点归属于重要节点的节点归属度

并以重要节点为中心形成核心社区及扩展社区

最后根据重要节点间的连接紧密度合并核心社区及扩展社区

并计算出每个节点在所属社区里的节点重要度

实现了大规模网络的重叠社区识别.实验表明该算法与PD (Propinquity Dynamics)等现有并行算法相比更能有效地识别大规模网络的重叠社区结构.

Abstract

With the unceasing expanding of network scale

many classic detection algorithms of overlapping communities cannot work efficiently in large-scale complex network.Detecting the overlapping community algorithm based on vital node expanding in parallel framework GraphLab (DOCVN) is introduced to identify the overlapping communities.In this algorithm

nodes with high PageRank value are regarded as vital nodes

and then the affiliation degree of other nodes to these vital nodes are computed.After that

kernel communities and expanding communities are identified respectively.Finally

the kernel communities and expanding communities are combined into some overlapping communities by judging whether they connect tightly.And the importance weight of each node in its community is also computed.Experimental results show that the algorithm is more effective than the existing parallel algorithms like PD (Propinquity Dynamics) to identify large-scale overlapping communities.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于上下文相似度和社会网络的移动服务推荐方法

基于k-度匿名的社会网络隐私保护方法

基于社会计算的IM恶意代码防御机制

基于树核度的社交网络影响最大化问题

基于个人意愿的社会网络团体结构与信息检测方案