基于改进完全子图模型的关注对象多社区发现研究  

Concerned objects multi-community detection based on improved complete subgraph model

作　　者：封红旗[1] 雷晨阳 沈田予 杨长春[1] 

机构地区：[1]常州大学信息科学与工程学院,江苏常州213164

出　　处：《南京理工大学学报》2016年第6期674-678,共5页Journal of Nanjing University of Science and Technology

基　　金：国家自然科学基金(61272367);江苏省科技厅项目(BZ2010021);江苏省研究生培养创新工程项目(20120515);江苏省产学研前瞻性联合研究项目(BY2014037-08)

摘　　要：为实现用户和关注对象的多社区划分,针对完全子图模型不能进行多类分类的缺陷,该文引入了阈值划分方法,提出基于改进完全子图模型的社区发现算法。实验表明:与经典数据挖掘算法K-medoids相比,该文算法具有更高的准确性。A multi-community detection method based on improved complete subgraph model is proposed using threshold division for multi-community division of users and concerned objects, because complete subgraph model cannot divide users and concerned objects based on multi- classification. Experiment result shows that compared with classical data mining algorithm K-medoids, this method is more accurate.

关 键 词：完全子图模型 关注对象 多类 阈值划分 数据挖掘算法 

分 类 号：TP31[自动化与计算机技术—计算机软件与理论]