Community Detection in Social Networks Based on Influential Nodes
Community Detection in Social Networks Based on Influential Nodes
复制标题
基于影响力节点的社交网络社区检测
DOI：
10.4304/jsw.9.9.2409-2416
复制
发表时间：
2014-01
期刊：
影响因子：
--
通讯作者：
章岚
中科院分区：
文献类型：
--
作者：
Chang Su;Yukun Wang;章岚
近年来，大规模的社交网络迅速崛起。社交网络已经成为复杂的网络。社交网络的结构是一个重要的研究领域，并吸引了许多科学的兴趣。社区是社交网络中的一个重要结构。本文提出了一种基于影响力节点的社区发现算法。首先，我们介绍了如何找到有影响力的节点的基础上随机游走。然后将联合收割机算法与顺序统计量理论相结合，寻找社区结构。我们应用我们的算法在三个经典的数据集，并与其他算法进行比较。实验结果表明，本文提出的社区发现算法是有效的。我们的算法在数据挖掘和推荐中也有应用。
Large-scale social networks emerged rapidly in recent years. Social networks have become complex networks. The structure of social networks is an important research area and has attracted much scientific interest. Community is an important structure in social networks. In this paper, we propose a community detection algorithm based on influential nodes. First, we introduce how to find influential nodes based on random walk. Then we combine the algorithm with order statistics theory to find community structure. We apply our algorithm in three classical data sets and compare to other algorithms. Our community detection algorithm is proved to be effective in the experiments. Our algorithm also has applications in data mining and recommendations.
登录
查看更多内容
DOI：
10.4304/jcp.8.12.3021-3026
发表时间：
2013-01
期刊：
J. Comput.
影响因子：
--
作者：
Shuzhi Li;Xianmin Wang
通讯作者：
Shuzhi Li;Xianmin Wang
影响因子：
2.4
作者：
Moore, C;Newman, MEJ
通讯作者：
Newman, MEJ
DOI：
10.4304/jcp.7.1.135-140
发表时间：
2012
期刊：
J. Comput.
影响因子：
--
作者：
Rui-xin Ma;G. Deng;Xiao Wang
通讯作者：
Rui-xin Ma;G. Deng;Xiao Wang
DOI：
10.1103/physreve.67.041908
发表时间：
2003-02
期刊：
Physical review. E, Statistical, nonlinear, and soft matter physics
影响因子：
--
作者：
Haijun Zhou
通讯作者：
Haijun Zhou
DOI：
10.1103/physreve.82.026102
发表时间：
2010-04
期刊：
Physical review. E, Statistical, nonlinear, and soft matter physics
影响因子：
--
作者：
F. Radicchi;Andrea Lancichinetti;J. Ramasco
通讯作者：
F. Radicchi;Andrea Lancichinetti;J. Ramasco