基于角色划分的动态社区挖掘算法研究  

Research of Dynamic Community Discovery Based on Role Assorted Thoughts

作　　者：马瑞新[1] 邓贵仕[2] 

机构地区：[1]大连理工大学软件学院,大连116621 [2]大连理工大学管理与经济学部,大连116621

出　　处：《计算机科学》2012年第9期60-63,70,共5页Computer Science

基　　金：国家自然基金项目(60803074);中央高校基本科研业务费专项资金资助

摘　　要：传统社区挖掘算法根据静态的网络拓扑结构进行分析,忽视了个体能动性对网络的影响。针对社会网络中的特殊节点进行研究,引入社区种子和联系者的概念,从个体主义和结构主义两个方面分析社会网络的形成与演化机制,提出了一种基于角色划分的动态社区挖掘算法。在人工网络和真实世界网络上进行了多次测试,并与G-N、快速G-N、Polish等算法进行了比较,结果表明,该算法明显优于G-N算法,且其挖掘到的社区都是强连通社区,具有较好的适应性和可扩展性。Traditional community discovery algorithms focus on the analysis of static topology structure of networks while ignoring the influence of individual activity on the formation of networks.This paper introduced the concept of community seed and liaison,and aiming at the special nodes,researched and analyzed the formation and evolution mechanism of social network from both individualism and structuralism perspectives,proposed a role assorted community discovery algorithm.This paper tested the performance of this algorithm both on artificial network and real-world networks and compared the results with G-N,fast G-N and Polish.Experimental results show that the results of role assorted algorithm are much better than G-N algorithm,with great suitability and expandability.Besides,the discovery communities are all strong connected communities.

关 键 词：个体能动性 社区种子 联系者 角色划分 动态挖掘 强连通社区 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]