一种新型种子选取的局部扩展函数社区发现算法SCF-LFM制造技术

本发明专利技术基于LFM社区发现算法，提出了一种基于新型种子选取的社区发现算法，一方面仅利用局部网络结构，极大的提高了社区发现的速度，另一方面在种子选取的过程中去除了随机性，极大的提高了算法的鲁棒性和准确度。该算法一共分两阶段，种子选取阶段和社区扩展阶段。在种子选取阶段综合考虑了节点重要性和种子内部节点的相似度，使得生成的种子在网络中既有最大的影响力，又有很强的相似度。在社区扩展阶段，以前阶段生成的种子作为初始社区，不断向外扩展，计算邻居节点的适应度，并将使社区适应度最大的节点加入社区。经过在三个典型数据集上的实验，可以得知，本发明专利技术提出的算法与其他典型的社区发现算法相比，性能优越。性能优越。

【技术实现步骤摘要】
一种新型种子选取的局部扩展函数社区发现算法SCF
‑
LFM


[0001]本专利技术涉及复杂网络领域，是一种基于PageRank算法改进的新型种子选取局部扩展函数社区发现算法。

技术介绍

[0002]人们在研究现实网络时，发现在杂乱的结构总是能够找到联系紧密的簇结构，簇结构内部节点被认为具有较强的内在联系，因而将这种簇结构命名为社区。社区结构是复杂网络最重要的结构特征之一，在现实世界中，各种复杂网络中普遍存在，比如在社交网络中，有相同爱好的用户之间会有比其他用户更密切的联系，形成具有共同兴趣的社区。
[0003]社区发现能够帮助预测网络新用户的兴趣爱好；在蛋白质网络中，具有相同或相似功能的蛋白质组成每个社区，社区发现能够帮助识别陌生蛋白质所属群体，从而发现蛋白质的功能。
[0004]目前存在许多不同种类的重叠社区发现算法，早期的重叠社区发现算法大多将目光集中在网络的全局结构上，在网络规模较小时，运行时间尚能接受，但当网络规模变大时，时间消耗会变得很大。为了适应较大规模的网络结构，许多学者将研究方向转向网络的局部特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新型种子选取的局部扩展函数社区发现算法SCF
‑
LFM，其特征在于，不仅利用了经典的局部扩展函数社区发现算法，在进行社区划分时只需要局部网络结构，提高社区发现的运行速度，同时，采用类PageRank算法选取种子，一方面可以发现社区核心节点，另一方面改善了局部扩展函数算法在大规模真实网络上社区发现准确性较差的问题，提高了社区发现的准确度和鲁棒性。2.该算法的技术特征还在于，针对种子选择方法中存在的同一个种子内部的节点可能不在同一个社区内的问题，提出了一种新的节点影响力计算方法，反映节点在整个网络结构中的重要程度，另...

【专利技术属性】
技术研发人员：胡杰灵，戴宪华，
申请(专利权)人：中山大学，
类型：发明
国别省市：