南京邮电大学学报(自然科学版)

作者：李谢君,李玲娟

单位：南京邮电大学 计算机学院，江苏 南京 210023南京邮电大学 计算机学院，江苏 南京 210023

关键词：社团划分；影响力；k shell算法；相似系数

基金：国家重点研发计划专项(2020YFB2104002)和江苏省重点研发计划(BE2019740)资助项目

针对传统标签传播算法因在节点更新序列初始化和标签更新过程中采用随机策略而导致的社团划分结果不稳定和准确度较低的问题,设计了一种融合影响力和标签传播的社团划分算法(ILPCD)。首先,基于 k-shell 算法对网络进行层次划分,并利用节点及其一阶邻居节点的 k-shell值计算节点在网络中的全局影响力,并按照全局影响力的降序来初始化节点更新序列,消除更新顺序的随机性;然后,引入平滑系数对Jaccard相似系数的计算方法进行改进,更客观地衡量节点之间的关联性,得到节点的局部影响力;最后,依据局部影响力来更新标签,消除标签传播过程中的随机性。在4种真实网络数据集上的实验结果表明,ILPCD 算法能够有效地对社团进行划分,并且具有更高的稳定性和准确性。

来源：2024年第05期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2024年第05期