计算机应用

作者：陈晶, 刘江川, 魏娜娜

单位：1.燕山大学 信息科学与工程学院，河北 秦皇岛 066004；2.河北省计算机虚拟技术与系统集成重点实验室（燕山大学），河北 秦皇岛 066004；3.河北省软件工程重点实验室（燕山大学），河北 秦皇岛 066004

关键词：标签传播,标签熵,重叠社区,综合影响力,社区层次

基金：国家自然科学基金资助项目(62172352);河北省自然科学基金资助项目(F2019203157);河北省高等学校科学技术研究项目(ZD2019004)

针对标签传播算法稳定性不足、准确性较差的问题，提出了融合K-shell和标签熵的标签传播重叠社区发现算法OCKELP。首先，采用K-shell算法减少了标签初始化时间，并利用标签熵的更新序列提高了算法的稳定性；其次，引入综合影响力进行标签选择，并将社区层次信息和节点局部信息融合提高了算法的准确性。在真实网络数据集上，OCKELP相较于重叠社区发现算法（COPRA）、基于多核心标签传播的重叠社区识别方法（OMKLP）、SLPA的模块度最大提升分别约68.64%、53.99%、42.29%，在人工网络数据集的归一化互信息（NMI）值上，OCKELP相较于其他三种算法也有着明显优势，且随着重叠节点隶属社区数量的增加可以挖掘出社区的真实结构。

来源：2022年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第4期