07 融合节点重要性与影响力的重叠社团检测算法

刘润佳,赵宇红,姚越

• 1:内蒙古科技大学信息工程学院

• 2:北京劳动保障职业学院安全工程系

• 
  

摘要(Abstract)：

以重叠社团检测算法COPRA作为基础，给出了一个结合节点重要性与节点影响力的重叠社团检测算法COPRANNI.首先，使用一种在三角形构成基础上的节点重要性，以此确定节点更新顺序.其次，使用Node2vec模型遍历网络生成节点序列，在此基础上利用Skip-gram模型获得节点的低维向量，然后通过余弦相似度量标准获取相似值.将该相似性和重要性融合确定的节点影响力引入到隶属系数中，进行标签传播，待稳定收敛后，最终发现重叠社团.通过在多个数据集上进行实验，结果表明：该论文提出的算法在重叠社团EQ质量指标上有较好表现.

关键词(KeyWords)： 三角形构成;社团检测;标签选择;综合影响力

基金项目(Foundation): 内蒙古自治区自然科学基金资助项目(2020MS06009)

作者(Author): 刘润佳,赵宇红,姚越

DOI: 10.16559/j.cnki.2095-2295.2023.02.007

参考文献(References)：

• [1] 姚瑶，孙粼希，谢雁鸣，等.真实世界中连花清瘟胶囊(颗粒)治疗下呼吸道感染常见用药方案复杂网络分析[J].中医杂志，2021,62(08):662.

• [2] 肖继海，崔晓红，陈俊杰.节点属性和拓扑信息相结合的脑网络聚类模型[J].计算机工程与科学，2020,42(11):2088.

• [3] ZHANG Y,LEVINA E,ZHU J.Community detection in networks with node features[J].Electronic Journal of Statistics,2016,10(2):3153.

• [4] LI X,GAO C,WANG S,et al.A new nature-inspired optimization for community discovery in complex networks[J].The European Physical Journal B,2021,94(7):1.

• [5] GREGORY S.An algorithm to find overlapping community structure in networks[C]// European conference on principles of data mining and knowledge discovery.Berlin,Heidelberg Springer:2007:91.

• [6] XIE J,SZYMANSKI B K,LIU X.Slpa:Uncovering overlapping communities in social networks via a speaker-listener interaction dynamic process[C]// 2011 IEEE 11th international conference on data mining workshops.Vancouver,British Columbia,Canada:IEEE,2011:344.

• [7] 张静宜.基于SLPA的重叠社区检测算法研究[D].兰州：兰州大学，2019.

• [8] 郭峰，尤凯丽，李昕泽.基于节点重要性和局部扩展的重叠社区发现算法[J].计算机与数字工程，2020,48(12):2906.

• [9] 赵宇红，张凯.一种基于注意力机制的节点相似性度量方法[J].内蒙古科技大学学报，2021,40(02):174.

• [10] GROVER A,LESKOVEC J.Node2vec:scalable feature learning for networks[C]//Proceedings of the 22nd ACM SIGKDD international conference on Knowledge discovery and data mining.San Francisco,California:ACM,2016:855.

• [11] TANG J,QU M,WANG M,et al.Line:Large-scale information network embedding[C]//Proceedings of the 24th international conference on world wide web.Florence,Italian:IEEE,2015:1067.

• [12] PAN S,WU J,ZHU X,et al.Tri-party deep network representation[J].Network,2016,11(9):12.

• [13] ZHANG Z,CUI P,WANG X,et al.Arbitrary-order proximity preserved network embedding[C]//Proceedings of the 24th ACM SIGKDD international conference on knowledge discovery & data mining.London,United Kingdom:ACM,2018:2778.

• [14] GOYAL P,FERRARA E.Graph embedding techniques,applications,and performance:A survey[J].Knowledge Based Systems,2018,151:78.

• [15] SHEN H,CHENG X,CAI K,et al.Detect verlapping and hierarchical community structure in networks[J].Physica A:Statistical Mechanics and Its Applications,2009,388(8):1706.