CommTracker：一种基于核心的社区演化跟踪算法

doi:10.3778/j.issn.1673-9418.2009.03.006

计算机科学与探索 ›› 2009, Vol. 3 ›› Issue (3): 282-292.DOI: 10.3778/j.issn.1673-9418.2009.03.006

CommTracker：一种基于核心的社区演化跟踪算法

王翼+,吴斌,杨胜琦

北京邮电大学智能通信软件与多媒体北京市重点实验室，北京 100876

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2009-05-15 发布日期:2009-05-15
通讯作者: 王翼

CommTracker： A Core-based Algorithm of Tracking Community Evolution

WANG Yi+, WU Bin, YANG Shengqi

Beijing Key Laboratory of Intelligent Telecommunications Software and Multimedia， Beijing University of Posts and Telecommunications， Beijing 100876， China

Received:1900-01-01 Revised:1900-01-01 Online:2009-05-15 Published:2009-05-15
Contact: WANG Yi

摘要/Abstract

摘要： 提出了一种无需参数设置的社区演化跟踪算法CommTracker，它有效利用社区中核心点来为两个处于不同时间段的社区之间建立演化关系。这种方法非常适合于大规模数据集。当社区之间的演化关系建立后，利用CommTracker来鉴定演化路径中存在的分裂点和融合点。重点分析了社区演化路径之间的关系：路径相交和社区重生。最后，通过实验，验证了CommTracker的正确性和有效性。

关键词: 社会网络分析, 社区演化, 算法

Abstract: CommTracker， a novel and parameter-free algorithm of tracking community evolution is proposed， which utilizes the representative quality of core nodes in a community to establish the evolving relationship between two communities in consecutive time snapshots. With such a distinct strategy， it is suitable for analyzing large scale datasets. Depending on relationships established from CommTracker， it is feasible to identify community split and mergence. In addition， two relationships amongst evolution traces， evolution traces intersection and community rebirth， are also studied. At last， the correctness and effectiveness of our algorithm on 4 real datasets are demonstrated.

Key words: social network analysis, community evolution, algorithm

王翼+,吴斌,杨胜琦. CommTracker：一种基于核心的社区演化跟踪算法[J]. 计算机科学与探索, 2009, 3(3): 282-292.

WANG Yi+, WU Bin, YANG Shengqi. CommTracker： A Core-based Algorithm of Tracking Community Evolution[J]. Journal of Frontiers of Computer Science and Technology, 2009, 3(3): 282-292.

[1]	陈斌, 刘卫国. 基于SAC模型的改进遗传算法求解TSP问题[J]. 计算机科学与探索, 2021, 15(9): 1680-1693.
[2]	莫亚东, 游晓明, 刘升. 融合奖惩学习策略的动态分级蚁群算法[J]. 计算机科学与探索, 2021, 15(9): 1703-1716.
[3]	任龙杰, 孙颖, 丁卫平, 鞠恒荣, 曹金鑫. 基于单种群蛙跳优化CNN的眼底图像多病变检测[J]. 计算机科学与探索, 2021, 15(9): 1762-1772.
[4]	刘文星, 范敏, 李金海. 网络形式背景下的社区划分方法研究[J]. 计算机科学与探索, 2021, 15(8): 1441-1449.
[5]	刘一凡, 游晓明, 刘升. 基于动态重组和协同交流策略的蚁群优化算法[J]. 计算机科学与探索, 2021, 15(8): 1511-1525.
[6]	李成严, 宋月, 马金涛. 模糊云资源调度问题的RIOPSO算法[J]. 计算机科学与探索, 2021, 15(8): 1534-1545.
[7]	赵泽渊, 代永强. 改进混合二进制蝗虫优化特征选择算法[J]. 计算机科学与探索, 2021, 15(7): 1339-1349.
[8]	毛清华, 张强. 融合柯西变异和反向学习的改进麻雀算法[J]. 计算机科学与探索, 2021, 15(6): 1155-1164.
[9]	钟倩漪, 钱谦, 伏云发, 冯勇. 粒子群优化算法在关联规则挖掘中的研究综述[J]. 计算机科学与探索, 2021, 15(5): 777-793.
[10]	柏锷湘, 罗可, 罗潇. 结合自然和共享最近邻的密度峰值聚类算法[J]. 计算机科学与探索, 2021, 15(5): 931-940.
[11]	端祥宇, 袁冠, 孟凡荣. 动态社区发现方法研究综述[J]. 计算机科学与探索, 2021, 15(4): 612-630.
[12]	纪伟, 李英梅, 季伟东, 张珑. 粒子置换的双种群综合学习PSO算法[J]. 计算机科学与探索, 2021, 15(4): 766-776.
[13]	柴恩惠, 马占飞, 智敏. Norm-DP模型行人检测优化算法[J]. 计算机科学与探索, 2021, 15(3): 545-552.
[14]	高雷阜, 荣雪娇. 融合递减策略与Fuch混沌机制的改进YSGA算法[J]. 计算机科学与探索, 2021, 15(3): 564-576.
[15]	黄光球, 陆秋琴. 种群具有离散Leslie年龄结构的动力学优化算法[J]. 计算机科学与探索, 2021, 15(2): 354-365.

CommTracker：一种基于核心的社区演化跟踪算法

CommTracker： A Core-based Algorithm of Tracking Community Evolution

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics