文献类型：期刊文章

作　　者：郑文萍[1,2,3] 车晨浩[2] 钱宇华[1,2,3] 王杰[2]

Zheng Wenping;Che Chenhao;Qian Yuhua;Wang Jie(Research Institute of Big Data Science and Industry,Shanxi University,Taiyuan 030006;School of Computer and information Technology,Shanxi University,Taiyuan 030006;Key Laboratory of Computational intelligence and Chinese information Processing（Shanxi Educalion,Taiyuan 030006)

机构地区：[1]山西大学大数据科学与产业研究院,太原030006 [2]山西大学计算机与信息技术学院,太原030006 [3]计算智能与中文信息处理教育部重点实验室(山西大学),太原030006

出　　处：《计算机研究与发展》

基　　金：国家自然科学基金项目(61672332;61572005);国家自然科学基金优秀青年科学基金项目(61322211);山西省回国留学人员科研资助项目(2017-014)~~

年　　份：2018

卷　　号：55

期　　号：9

起止页码：1959-1971

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对标签传播社区发现算法在节点更新顺序及标签传播过程中存在较大随机性而导致划分结果稳定性差的问题,提出一种基于标签传播的两阶段社区发现算法(a two-stage community detectionalgorithm based on label propagation,LPA-TS),通过参与系数确定节点更新顺序,并在标签传播过程中依据节点间相似性更新节点标签,得到初始社区划分.将社区看作节点,社区间连边数作为边权重,得到社区关系网络.按照参与系数由低到高的顺序合并社区关系网络中的节点,得到最终社区划分结果.算法LPA-TS减少了传统LPA方法在节点更新和标签传播过程的随机性;在第2阶段,将不符合弱社区定义的初始社区与连边最多的相邻社区合并,再按照社区参与系数由低到高的顺序合并初始社区提升社区发现质量.通过与一些经典算法在8个真实网络及不同参数下LFR benchmark人工网络数据集上的实验比较表明LPA-TS算法表现了良好的稳定性,在NMI、ARI、模块性等方面表现良好.

关 键 词：复杂网络 社区发现  标签传播  参与系数  弱社区  

分 类 号：TP181]