發(fā)布時間：2024-11-03 04:23

　　 社區(qū)檢測是復(fù)雜網(wǎng)絡(luò)分析中的重要任務(wù),現(xiàn)有的社區(qū)檢測方法多側(cè)重于利用單純的網(wǎng)絡(luò)結(jié)構(gòu),而融合節(jié)點屬性的方法也主要針對傳統(tǒng)的社區(qū)結(jié)構(gòu),不能檢測網(wǎng)絡(luò)中的二部圖結(jié)構(gòu)、混合結(jié)構(gòu)等情況.此外,網(wǎng)絡(luò)中每個節(jié)點的度會影響網(wǎng)絡(luò)中鏈接的構(gòu)成,同樣會影響社區(qū)結(jié)構(gòu)的分布.因此,提出一種基于隨機塊模型的屬性網(wǎng)絡(luò)社區(qū)檢測方法DPSB_PG.不同于其他屬性網(wǎng)絡(luò)中的生成式模型,該方法中節(jié)點鏈接和節(jié)點屬性的產(chǎn)生均服從泊松分布,并基于隨機塊模型考慮社區(qū)間相連接的概率,重點在節(jié)點鏈接的生成過程中融合度修正的思想,最后利用期望最大化EM算法推斷模型中的參數(shù),得到網(wǎng)絡(luò)中節(jié)點的社區(qū)隸屬度.真實網(wǎng)絡(luò)上的實驗結(jié)果顯示:模型繼承了隨機塊模型的優(yōu)點,能夠檢測網(wǎng)絡(luò)中的廣義社區(qū)結(jié)構(gòu),且由于度修正的引入,具有很好的數(shù)據(jù)擬合能力,因此在屬性網(wǎng)絡(luò)與非屬性網(wǎng)絡(luò)社區(qū)檢測性能上優(yōu)于其他現(xiàn)有相關(guān)算法.

【文章頁數(shù)】：13 頁

【部分圖文】：

對應(yīng)概率圖模型如圖1所示:3DPSB_PG模型EM求解算法

本文編號：4010676