一种基于邻域跟随关系的增量社区发现算法

被引：9

作者：

陈羽中

施松

朱伟平

於志勇

郭昆

机构：

[1] 福州大学数学与计算机科学学院

[2] 福建省网络计算与智能信息处理重点实验室(福州大学)

来源：

计算机学报 | 2017年 / 40卷 / 03期

关键词：

动态社会网络; 社区发现; 增量分析; 邻域跟随; 社区演化;

D O I：

暂无

中图分类号：

TP393.09 [];

学科分类号：

080402 ;

摘要：

社区发现能够揭示真实社会网络的拓扑结构和动态特性.目前的社区发现算法多针对静态社会网络所设计,而绝大多数真实社会网络的社区结构是动态变化的.针对动态社区发现,现有算法通常基于社区结构平稳变化的假设,无法处理演化过程中可能出现的大量社区消亡或涌现等突发事件.为解决有效并高效地发现大规模动态社会网络的社区结构的问题,提出了一种基于邻域跟随关系的社区表示模型Follow-Community,模型刻画的社区由不同角色的节点以及节点间的跟随关系组成,通过发现节点间存在的直接或间接的跟随关系,可将跟随同一个节点的节点所构成的集合归为一个社区.基于该模型提出了一种具有接近线性时间复杂度的邻域跟随算法NFA(Neighborhood Following Algorithm),遍历网络节点一次即可得到静态社会网络的社区结构.进一步扩展得到增量邻域跟随算法iNFA(incremental Neighborhood Following Algorithm).通过更新网络演化过程中相关节点的邻域跟随关系,iNFA可发现动态社会网络的社区结构及社区演化.实验结果验证了算法在大规模动态社会网络社区发现方面具有精度、效率以及稳定性的优势.

引用

页码：570 / 583

页数：14

共 9 条

[1] 在线社会网络的动态社区发现及演化 [J].

王莉 ;

程学旗 .

计算机学报, 2015, 38 (02) :219-237

[2] 动态网络桥系数增量聚类算法 [J].

王玙 ;

高琳 .

西安电子科技大学学报, 2013, 40 (01) :30-35

[3] 复杂网络的社区结构 [J].

程学旗 ;

沈华伟 .

复杂系统与复杂性科学, 2011, 8 (01) :57-70

[4] 从不确定图中挖掘频繁子图模式 [J].

邹兆年 ;

李建中 ;

高宏 ;

张硕 .

软件学报, 2009, 20 (11) :2965-2976

[5]

Community Evolution Mining in Dynamic Social Networks[J] . Procedia - Social and Behavioral Sciences . 2011

[6]

Finding overlapping communities in networks by label propagation[J] . Steve Gregory.New Journal of Physics . 2010 (10)

[7]

Detecting the overlapping and hierarchical community structure in complex networks[J] . Andrea Lancichinetti,Santo Fortunato,János Kertész.New Journal of Physics . 2009 (3)

[8] The Dynamics of Viral Marketing [J].

Leskovec, Jure ;

Adamic, Lada A. ;

Huberman, Bernardo A. .

ACM TRANSACTIONS ON THE WEB, 2007, 1 (01)

[9]

An Information Flow Model for Conflict and Fission in Small Groups[J] . Wayne W. Zachary.Journal of Anthropological Research . 1977 (4)

← 1 →