针对目前基于种子节点选择的社区发现算法在准确性和复杂度等方面存在的不足, 提出了一种基于Node2Vec的重叠社区发现算法. 首先, 使用Node2Vec算法学习到网络中每个节点的向量表示, 用以计算节点间的相似度, 其次, 利用节点影响力函数计算节点影响力并找出种子节点, 然后基于每个种子节点进行社区的扩展优化, 最终挖掘出高质量的重叠社区结构. 本文选取多个真实网络进行了对比实验, 结果表明, 本文所提出的算法能够在保证良好稳定性的前提下发现高质量的社区结构.
2024-03-11 12:27:14
941KB
1
作业要求：对给出的网络作社区发现，用至少两种算法进行实现，比较他们的结果并做简单
分析。本文分别使用了scan算法、CPM 算法、slpa算法三种。对每一种算法的流程、结果都有详细的分析报告。文件中包含代码、实验报告（实验报告看作业1部分即可）一应俱全。亲手资源，保证一手！
2022-12-13 14:25:30
14KB
1
综述了近年来国内外对动态社区发现的主要研究进展。从同步、自旋和随机游动三个方面分析了动态社区发现算法的原理。对目前存在的各种动态社区发现算法进行了深入剖析和全面比较，指出当前动态社区发现的研究热点及将来需要重点关注的主要问题。
2022-06-24 22:09:50
259KB
1
基于网络能量的社区发现分裂算法，定义网络的能量和边能量，依次选择最大能量的边并删除,直到划分出相应的社区。代码有相应的说明
2022-06-15 14:32:37
7KB
1
网络中的社区指的是一组由节点以及与其相连的边紧密地形成的实体。社区发现旨在遵循「社区中的节点紧密相连，不同社区间的节点稀疏相连」的规则对实体集合进行聚类。包括谱聚类、统计推断在内的传统社区发现方法在处理高维图数据时存在计算速度的问题。因此，近年来，深度学习方法被广泛地应用。
2022-05-31 13:06:36
1.85MB
1