关键词： 社团检测   密度峰值   局部密度   相对距离   种子节点  

摘要： 针对现有社团检测算法在局部密度计算中忽略邻居多样性结构,以及在种子选择阶段难以同时兼顾全局结构与局部特征的问题,提出一种密度峰值种子扩散的局部社团检测算法(DPCD).首先, DPCD通过区分节点的独立邻居与共享邻居,并结合邻居间的结构相似性信息,构建一种新的局部密度定义方式,更准确地刻画节点在局部结构中的聚集程度;同时,结合节点相对距离与网络平均度阈值,筛选出具有代表性与空间分布合理性的种子节点,从而在全局与局部尺度上均具良好适应性.最后,通过基于邻居局部密度的标签更新策略,进一步优化节点的社团归属. DPCD在全面考虑网络整体分布特性及社团内部连接特征的基础上,可显著提高检测性能.在多种真实和人工网络中的大量实验表明, DPCD均优于其他算法.

关键词： 随机块模型   节点度   属性网络   社团检测  

摘要： 随机块模型可以拟合各种网络的生成,挖掘网络的隐含结构与潜在联系,在社团检测中具有明显的优势.广义随机块模型GSB是基于链接社团的思想发现广义社团的,但其仅适用于有向无属性网络.针对无向属性网络,对网络拓扑信息建模的同时对节点属性进行建模,提出一种度修正的属性网络广义随机块模型DCGSB(degree corrected general stochastic block model).在该模型中,假设网络拓扑信息和属性信息的生成过程都服从幂函数形式的分布,并且引入节点的度来刻画网络的无标度特性,可以更好地拟合真实网络的生成.利用期望最大化算法对DCGSB模型的参数进行估计,通过硬划分处理,得到节点隶属度,进而完成社团检测.在3个含有不同结构的真实属性网络数据集上进行实验,并与10种社团检测算法进行对比,结果表明DCGSB模型不仅继承了GSB模型的优点,能发现广义社团,而且由于属性信息和节点度的引入,使其社团检测能力优于其他10种比较算法.

关键词： 二分网络   社团检测   协同过滤   修正Pearson相关系数  

摘要： 文章提出了一种基于二分网络社团检测的协同过滤推荐算法(Bipartite Network Community Detection-Based Collaborative Filtering Recommendation Algorithm,BCD-CF),以优化“数据过载”问题:首先,通过用户评分数据挖掘用户兴趣,构建用户–项目兴趣二分网络;其次,运用谱聚类思想对用户–项目兴趣二分网络进行社团检测;最后,在每个社团内借助修正的Pearson相关系数寻找邻居用户进行推荐。

关键词： 用户相似性   多粒度层次划分   复杂网络   推荐算法   并行梯度下降矩阵分解   社团检测  

摘要： 针对复杂网络环境下个性化推荐系统面临的数据稀疏性、计算效率及用户偏好动态性等挑战,本文提出了一种融合多粒度社团特征与快速并行矩阵分解的推荐算法。该算法首先构建基于用户相似度的复杂网络,并引入改进的社团检测算法实现多粒度社团结构划分,生成粗细粒度不同的用户群体;随后,设计了一种基于用户活跃度的自适应层次选择机制,旨在根据用户行为特征动态选择合适的社团层次进行推荐,以缓解数据稀疏性问题并提升推荐精度。在此基础上,本文提出一种基于多层用户相似性网络的快速并行梯度下降矩阵分解模型,有效捕捉用户在不同粒度上的偏好特征,并结合用户全局偏好信息与局部社团特征。多个真实数据集上的实验结果表明,相较于传统推荐算法,融合多粒度社团特征与快速并行矩阵分解算法在准确性、精确率和召回率等指标上均有不同程度的提升,验证了该算法在提高推荐质量和可扩展性方面的有效性。

关键词： 新能源汽车贸易   复杂网络理论   社团检测   竞争关系   贸易网络  

摘要： 运用复杂网络分析方法，探究2017—2022年全球新能源汽车贸易的整体网络特征、区域社团特征及核心国家竞争关系。研究发现：(1)全球新能源汽车贸易网络空间结构存在“小世界”特征，节点异质性强且符合幂律分布，满足无标度结构特征。(2)全球新能源汽车贸易网络可划分为5个区域社团，其中，欧亚-东西非（社团2）、西欧-东非（社团5）为中心势较高的单核社团，区内贸易依赖性强；以德国和美国为中心的北美-西欧社团（社团1）及以中国和日本为中心的亚洲-东欧-南美社团（社团3）内部贸易关系密集，前者的“富人俱乐部”特征明显，后者的异配性特征明显；东南亚-东北欧社团（社团4）内两个核心国家的出口市场相似，竞争关系显著。(3)在贸易网络的“核心-边缘”结构中，核心国家数量上升，形成以德国、美国、比利时、英国、中国和日本为六大核心国家的竞争格局。亚洲地区内部竞争强度下降，但与欧洲地区的外部竞争强度增大，欧洲地区内部竞争强度持续增强。

关键词： 社团检测   属性网络   半监督   节点内容   嵌入强化  

摘要： 挖掘网络中的社团结构是复杂网络分析的关键任务,但在现实应用中如何进一步提高社团检测性能仍极具挑战性。鉴于属性网络中的节点内容和网络嵌入均蕴含有社团结构信息,提出一种基于非负矩阵分解融合节点内容和嵌入强化拓扑的半监督方法。首先,基于生成框架重构拓扑和内容,以构建融合拓扑和内容的基本模型;然后,利用拓扑相似性构造must-link先验信息,同时由Node2Vec计算网络嵌入;最后,使用矩阵补全技术将先验信息和网络嵌入引入模型,形成融合内容、网络嵌入的半监督社团检测模型。在合成和真实网络上的实验结果充分验证了新模型的良好竞争力。

关键词： 社团检测   社团隐匿   梯度优化   进化计算   扰动子结构  

摘要： 社团检测是一种用来揭示网络聚集行为的技术，能够精准识别网络中的社团结构，帮助更好地理解复杂网络的内部组织和功能。然而，随着社团检测算法的快速发展，其中信息泄露和过度挖掘等诸多隐私问题也备受关注。因此，社团隐匿算法被广泛研究，它通过构建扰动子结构来模糊网络中的社团结构，从而有效降低社团检测算法的识别能力，实现隐私保护。在现有的扰动子结构优化方法中，基于遗传算法的方法表现较为突出，但这些方法在搜索解的过程中缺少方向性的指导，因此在构建扰动子结构的效果和效率上仍有提升空间。通过将梯度引导信息引入遗传算法搜索，可以优化扰动子结构的构建过程，从而提高社团隐匿的效果和效率。实验结果表明，在社团隐匿问题中，加入梯度引导信息的遗传算法在搜索扰动子结构方面显著优于其他基线方法，证明了其有效性。

关键词： 多层网络   社团检测   图神经网络   自编码器   自监督学习  

摘要： 基于图神经网络的多层网络社团检测方法面临以下两个挑战。一是如何有效利用多层网络的节点内容信息,二是如何有效利用多层网络的层间关系。因此,提出多层网络社团检测模型AGCFN(autoencoder-enhanced graph convolutional fusion network)。首先通过自编码器独立提取每个网络层的节点内容信息,通过传递算子将提取到的节点内容信息传递给图自编码器进行当前网络层节点内容信息与拓扑结构信息的融合,从而得到当前网络层每个节点的表示,这种方法充分利用了网络的节点内容信息与拓扑结构信息。对于得到的节点表示,通过模块度最大化模块和图解码器对其进行优化。其次,通过多层信息融合模块将每个网络层提取到的节点表示进行融合,得到每个节点的综合表示。最后,通过自训练机制训练模型并得到社团检测结果。与6个模型在三个数据集上进行对比,ACC与NMI评价指标有所提升,验证了AGCFN的有效性。

关键词： 重叠社团结构   局部随机游走   密度峰值   三支聚类  

摘要： 自然界和社会中的许多复杂系统都可以用网络来描述,重叠社团检测是研究这些网络的关键任务之一。文章提出一种新的基于密度峰值聚类法和三支聚类法的重叠社团检测算法(3W-DPC算法),主要思想是利用密度峰值法确定网络中心节点,进一步进行三支聚类,确定每个社团的核心域和边界域。通过使用3W-DPC算法分析人工网络和真实网络的社团结构,研究发现重叠的社团自然且频繁,特别是对于最大的群落。与其他检测方法进行的基准测试比较,表明3W-DPC能够有效地检测网络的重叠社团结构。