软件学报

作者：韩忠明,刘雯,李梦琪,郑晨烨,谭旭升,段大高

单位：韩忠明，北京工商大学 计算机与信息工程学院, 北京 100048;食品安全大数据技术北京市重点实验室, 北京 10004811,刘雯，北京工商大学 计算机与信息工程学院, 北京 10004802,李梦琪，北京工商大学 计算机与信息工程学院, 北京 10004803,郑晨烨，北京工商大学 计算机与信息工程学院, 北京 10004804,谭旭升，北京工商大学 计算机与信息工程学院, 北京 10004805,段大高，北京工商大学 计算机与信息工程学院, 北京 10004806

关键词：复杂网络;社团结构;核心节点;结构关系强度

基金：国家自然科学基金（61170112，61532006）；北京市自然科学基金（4172016，KZ201410011014）

社团结构划分对复杂网络研究在理论和实践上都非常重要.借鉴分布式词向量理论，提出一种基于节点向量表达的复杂网络社团划分方法（CDNEV）.为了构建网络节点的分布式向量，提出启发式随机游走模型.利用节点启发式随机游走得到的节点序列作为上下文，采用SkipGram模型学习节点的分布式向量.选择局部度中心节点作为K-Means算法的聚类中心点，然后用K-Means算法进行聚类，最终得到社团结构.在真实和模拟两种网络上做了丰富的实验，与主流的全局社团划分算法和局部社团划分算法作了比较.在真实网络上CDNEV算法的F1指标比其他算法平均提高19%；在模拟网络上，F1指标则可以提高15%.实验结果表明，相对其他算法，CDNEV算法的精度和效率都较高.

来源：2019年第4期

《软件学报》期刊编辑部

查看软件学报杂志2019年第4期