基于节点向量表示的模糊重叠社区划分算法

摘要：

[目的]针对现有模糊重叠社区划分算法执行效率较差和准确度较低的问题,提出一种基于节点向量表示的模糊社区划分算法.[方法]使用由节点重要性引导的随机游走策略生成节点序列,将节点序列视作语料库中的句子,利用Skip-gram模型训练得到节点向量,并将高斯混合模型引入模糊社区划分算法FCM(Fuzzy c-Means)中实现多峰值节点数据拟合,通过最大化模块度得到最佳的社区数目.[结果]相比经典的社区划分方法,该算法在真实网络Jazz和人工网络N1(mu=0.5)上的EQ值分别提高了 7.0％和9.7％,能够更准确地划分出网络中的社区结构.[局限]在向量的表示学习中仅考虑复杂网络的拓扑结构信息,而忽略了节点属性信息和边上标签信息.[结论]基于节点向量表示的模糊重叠社区划分算法可以有效完成复杂网络的社区划分任务.

关键词：复杂网络、社区结构、表示学习、随机游走

所属期刊栏目：5

分类号：TP393;G250(计算技术、计算机技术)

资助基金：中国科学院信息化专项XXH13506

在线出版日期：2021-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：41-50