论文部分内容阅读
在由节点和边构成的网络中,普遍存在着社区结构,同一社区中的节点之间的连接更为紧密。社区发现问题即为寻找网络中的全部社区结构,然而有时只关注某个节点所属的社区,并不需要检测网络中的全部社区,即为局部社区发现问题。局部社区发现旨在寻找给定种子节点所属的社区。大部分现有的局部社区发现相关工作都假设种子节点仅仅属于单一社区,然而在实际的网络中,一个节点是很有可能同时属于多个社区的。本文首先提出了一个创新性的局部多重社区发现算法HqsMLCD,其可以检测静态网络中给定种子节点所属的多个社区。HqsMLCD首先借助网络表示学习寻找到若干高质量种子节点,高质量种子节点相较于初始的给定种子节点能够检测到更高质量的社区。随后将这些高质量种子节点分别扩展为结果社区,由此得到给定种子节点所属的多个社区。由于动态网络在现实中同样扮演了很重要的角色,本文扩展了静态局部多重社区发现算法HqsMLCD来解决动态网络上的相关问题,即提出了 HqsDMLCD。HqsDMLCD主要将动态网络表示学习算法和动态局部社区发现算法与静态局部多重社区发现算法HqsMLCD结合来实现动态网络上的局部多重社区发现。在多个真实数据集上的实验结果表明,本文提出的静态局部多重社区发现算法HqsMLCD的表现优于最先进的现有工作。本文提出的动态局部多重社区发现算法HqsDMLCD也取得了与静态算法相当的实验结果。