摘要
近年来,高质量社区的挖掘和发现已经成为复杂网络研究的一个热点.目前大多的社区发现算法主要针对无向网络,但现在的很多真实网络通常都是有向加权的.同时,标签传播算法(LPA)是一种接近线性复杂度的社区发现算法,该算法具有简单高效、不需要提供社区规模和社区个数等先验知识的特点,因而得到了广泛关注和应用.针对有向加权网络,提出了一种基于节点重要性和节点相似性的改进标签传播算法(CRJ-LPA).该算法综合考虑节点的边权、节点的信息传播能力、节点相似度以及节点集聚系数等因素.算法通过加权的ClusterRank获得节点重要性列表用以避免LPA中的随机选择;然后,采用Jaccard系数度量节点的相似度,结合节点重要性列表计算出一个新的度量CRJ(重要度和相似度),提高了算法的稳定性.实验结果表明,该算法有效可行,且具有较好的鲁棒性.
基金项目
陕西省自然科学基金(2014JM8303)
西安邮电大学研究生创新基金(CXL2016-40)
国家科技期刊平台
NSTL
维普
万方数据