view in publisher's site

Growth curve based label propagation algorithm for community detection

Highlights•The growth curve is introduced to balance the community growth rate.•The definition of the standard smallest community is firstly given.•The invalid small pieces of a network are defined.•The monster community phenomenon in original LPA is attenuated.AbstractHow to better and faster identify the community structure is a hot issue in complex networks. During the past decades, various attempts have been made to solve this issue. Amongst them, without doubt, label propagation algorithm (LPA) is one of the most satisfying answers, especially for large-scale networks. However, it has one major flaw that when the community structure is not clear enough, a monster community tends to form. To address this issue, we set a growth curve for communities, gradually increasing from a low capacity to a higher capacity over time. Further, we improve the mechanism of label choosing for small communities to escape from local maximum. The experimental results on both synthetic and real networks demonstrate that our algorithm not only enhances the detection ability of the traditional label propagation algorithm, but also improves the quality of the identified communities.

منحنی رشد مبتنی بر منحنی رشد برای تشخیص جامعه

نکات برجسته: منحنی رشد برای متعادل کردن نرخ رشد جمعیت معرفی شده‌است. تعریف کوچک‌ترین جامعه استاندارد در ابتدا داده شده‌است. قطعات کوچک نامعتبر یک شبکه تعریف می‌شود. پدیده جامعه هیولا در LPA اصلی عبارت است از attenuated.Abst ractHow برای تشخیص بهتر و سریع‌تر ساختار جامعه یک مساله داغ در شبکه‌های پیچیده است. در طول دهه‌های گذشته تلاش‌های متعددی برای حل این مشکل صورت‌گرفته است. در میان آن‌ها، بدون شک الگوریتم تکثیر برچسب یکی از the پاسخ‌ها به خصوص برای شبکه‌های مقیاس بزرگ است. با این حال، این یک عیب بزرگ دارد که وقتی ساختار جامعه به اندازه کافی روشن نیست، یک جامعه هیولا تمایل به تشکیل آن دارد. برای پرداختن به این مساله، ما یک منحنی رشد برای جوامع ایجاد کردیم که به تدریج از ظرفیت پایین به ظرفیت بالاتر در طول زمان افزایش یافت. علاوه بر این، ما مکانیسم انتخاب برچسب برای جوامع کوچک را بهبود می‌دهیم تا از حداکثر محلی فرار کنیم. نتایج تجربی در هر دو شبکه مصنوعی و مصنوعی نشان می‌دهد که الگوریتم ما نه تنها قابلیت تشخیص الگوریتم تکثیر برچسب سنتی را افزایش می‌دهد بلکه کیفیت جوامع شناسایی‌شده را بهبود می‌بخشد.

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.