现有算法存在两点不足:1)采取爬坡策略,每次只能合并1个节点,容易陷入局部最优化的陷阱;2)对待合并节点没有考虑到外部连接情况,最终影响局部社区发现的质量.基于此,提出了一种基于节点对的局部社区算法RCD(Relative community detectio...现有算法存在两点不足:1)采取爬坡策略,每次只能合并1个节点,容易陷入局部最优化的陷阱;2)对待合并节点没有考虑到外部连接情况,最终影响局部社区发现的质量.基于此,提出了一种基于节点对的局部社区算法RCD(Relative community detection).首先,通过引入改进Katz系数提出了节点对的概念,进而提出了一种新的待合并节点选择策略;其次,对不同类型节点采取不同的合并策略,从而提出了一种新的节点合并策略;最后,在3个数据集中进行实验,证明了相较于LS算法,RCD算法减少了迭代次数.改善了局部社区发现的质量.展开更多
文摘现有算法存在两点不足:1)采取爬坡策略,每次只能合并1个节点,容易陷入局部最优化的陷阱;2)对待合并节点没有考虑到外部连接情况,最终影响局部社区发现的质量.基于此,提出了一种基于节点对的局部社区算法RCD(Relative community detection).首先,通过引入改进Katz系数提出了节点对的概念,进而提出了一种新的待合并节点选择策略;其次,对不同类型节点采取不同的合并策略,从而提出了一种新的节点合并策略;最后,在3个数据集中进行实验,证明了相较于LS算法,RCD算法减少了迭代次数.改善了局部社区发现的质量.