基于网络嵌入的异质网络重叠社区发现算法

针对SLPA算法在中心节点选取、标签更新策略方面存在的问题,进行改进,提出了一种异质网络重叠社区发现算法NELPA.首先,提出了一种度量异质网络节点相似性的方法,该方法通过元路径嵌入学习及加权融合可度量任意类型节点的相似性.其次,提出了一种基于邻居节点影响力的节点排序方法.最后将这两种方法用于对SLPA算法改进,设计并提出了NELPA算法,该算法解决了SLPA算法中心节点选取随机性、相似性度量指标粗略且不适合直接应用于异质网络社区发现的问题.在真实数据集上进行元路径权重确定、节点排序和社区聚类的仿真实验,并与经典算法进行对比,结果表明,该算法可对异质网络节点进行更准确的相似性度量,并可获得更好的社区聚类效果.

基于药物剂量及作用的方剂核心用药配伍规律复杂网络算法的构建

利用复杂网络相关算法,结合方剂中药物“君、臣、佐、使”的药物作用及剂量,构建一种基于药物剂量及作用的方剂核心用药配伍规律的新算法。通过构建方剂子网,根据方剂中药物作用及剂量确定核心药物及其权重;基于药物核心度权重构建中药方剂复杂网络模型;改进复杂网络标签传递算法对相关方剂的核心用药配伍规律进行挖掘。以《中医方剂大辞典》中治疗产后中风方剂及用药为例,收集相关方剂143首,频次>20的药物16味,支持度>10、置信度>80的关联规则组合88个,构建包含74个节点、1245条边的产后中风治疗用药复杂网络模型,利用复杂网络算法发现药物聚类组合结果51个。通过分析研究发现,中医治疗产后中风用药以祛风除湿、散寒止痛、补益气血为主,同时对改进的标签传递算法与传统的关联规则等方法进行比较,认为改进复杂网络标签传递算法可得出一些围绕核心药物的新颖且更有针对性的药物组合结果。