通过改进算法的方式,基于特征矩阵的谱算法检测网络数据的社区结构,运行时间比模拟退火等竞争方法更短且获得更好质量的结果。
Feb, 2006
本研究发现模块度优化在网络分区时可能无法识别一些小规模的模块,因此探讨在实际应用中的实际后果和解决方法。
Jul, 2006
通过节点的标签传播,本文提出了一种在大规模网络上检测社区结构的算法,不需要预先知道社区数量和大小,并且计算效率高;实验证明该算法与先前算法相比具有更高的计算速度。
Sep, 2007
本研究介绍了一种基于适应度函数本地优化的算法,能够发现复杂网络中的社区结构、嵌套社区和重叠社区,可以通过调整参数来探索不同层次的组织结构水平。在真实网络和人工网络上进行了测试,取得了优异的结果。
Feb, 2008
利用基于模块度优化的启发式算法提取大型网络的社群结构,并且证实它的优越性和精准性在比利时移动电话网络和超过 10 亿个链接的网络图中得到了很好的效果。
Mar, 2008
本文介绍了一种针对有向网络的社群发现方法,利用广泛使用的收益函数 - 模块度,通过将边方向的信息纳入,通过寻找网络可能的分割来最大化模块度,进而利用相应的模块度矩阵的特征向量得到社群结果,并证明该方法在各种测试网络上比以往方法产生更好的结果。
通过比较社区结构识别的不同方法,特别是最近提出的模块度量,研究了这些方法在已知社区结构的自组织网络中的性能表现,并发现最准确的方法往往更昂贵,因此在选择方法时需要考虑计算成本等因素。本研究旨在提出一个标准的基准测试,作为社区检测方法的介绍和建议。
May, 2005
描述了一种基于分布式网络模型的重叠社区检测方法,使用了快速的期望最大化算法对数百万节点的网络进行分析,可用于提取非重叠的社区划分。
Apr, 2011
本文聚焦于介绍社区检测在网络科学研究中不同的动机,指出社区检测的许多研究方向和未来的研究方向。
Nov, 2016
在研究中,我们介绍了一种适用于大规模稀疏网络的直观客观函数来量化聚类结果的质量,并且通过模拟网络的优化试验和基准问题的应用来证明了这种方法的实用性和准确性。
May, 2024