文献类型：期刊文章

作　　者：皇甫斐斐[1] 杨阳[2] 邓晓懿[2,3]

HUANGFU Fei-fei;YANG Yang;DENG Xiao-yi(College of Foreign Languages,Huaqiao University,Quanzhou 362021,China;Research Center for Modern Applied Statistics & Big Data,Huaqiao University,Xiamen 361021,China;Rutgers Business School,Rutgers,the State University of New Jersey,Newark,New Jersey 07102,USA)

机构地区：[1]华侨大学外国语学院,福建泉州362021 [2]华侨大学现代应用统计与大数据研究中心,福建厦门361021 [3]新泽西州立罗格斯大学罗格斯商学院,新泽西纽瓦克07102

出　　处：《计算机工程与科学》

基　　金：国家自然科学基金(71401058);福建省自然科学基金(2020J01077);福建省社会科学规划项目(FJ2020B047)。

年　　份：2022

卷　　号：44

期　　号：4

起止页码：713-722

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、JST、ZGKJHX、核心刊

摘　　要：社区发现能够揭示真实社会网络的拓扑结构和重要节点。由于具有线性时间复杂度,无需定义目标函数及目标参数,标签传播算法(LPA)作为经典社区发现算法被广泛应用在学术和实践领域。针对LPA算法更新顺序的无序性和标签选择的随机性,提出基于节点影响力的理性节点标签传播算法(RLPBNI)。将节点影响力排序作为更新顺序,引入理性节点概念进行标签选择,并定义重叠度进行社区再降维。实验结果表明,与其他对比算法相比,RLPBNI算法不但可有效提高社区划分精度,且更容易发现混合程度较高的网络中隐藏的社区。

关 键 词：社区发现  标签传播  节点影响力  理性节点  复杂网络

分 类 号：O157.5[数学类] TP391]