排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
社区发现是社会网络分析的重要任务,有助于理解中观尺度的网络结构.现有的诸多社区发现方法仅考虑网络的拓扑信息,忽略了网络中每个节点所包含的属性信息.为此,本研究首先基于社会网络的拓扑结构信息与节点属性信息分别构建初始特征矩阵;然后基于网络嵌入模型,融合初始特征矩阵的主成分信息,构建共识嵌入矩阵;最后,给出社会网络中"领袖节点"的泛化定义形式,并提出一种改进的图聚类算法(LIK-means)挖掘社会网络中潜在的社区结构.实验表明,LIKmeans较其他经典算法有较好的可扩展性,同时在真实社会网络中的社区识别精度更高. 相似文献
2.
针对BBS论坛成员信息简单,连接关系随机和成员关系模糊的特点,提出基于阈值的BBS回复关系和共同回复关系的两种方法来构建BBS成员交互特性网络,并对这两种方法构建的复杂网络特性展开分析与讨论.同时为了讨论与分析成员的行为特征和交互模式,还讨论了BBS成员相似度和关联度模型.实验结果表明基于阈值的BBS成员在线网络满足小世界特性和无尺度特性. 相似文献
1