山东大学学报(理学版)

作者：王静红,梁丽娜,李昊康,王熙照

单位：1. 河北师范大学计算机与网络空间安全学院, 河北 石家庄 050024;2. 河北省供应链大数据分析与数据安全工程研究中心(河北师范大学), 河北 石家庄 050024;3. 深圳大学计算机与软件学院, 广东 深圳 518000

关键词：复杂网络,标记节点频率,反示例节点频率,注意力机制,社区发现,

基金：河北省自然科学基金项目资助项目(F2021205014);引进留学人员资助项目(C20200340)

针对网络的聚类进行研究,提出了一种基于标记注意力机制的社区发现算法,网络特征通过标记节点频率及反示例节点频率联合度量,为使网络特征的度量更加关注于示例节点的细节信息,引入注意力机制来处理网络特征。社区划分由复杂网络预处理、网络节点的策略、社区博弈归并三个部分组成,其中网络节点的策略由无贡献节点归并、节点到社区的判断以及节点逻辑标记和的判断三个步骤组成。实验借助于真实网络进行验证,在归一化互信息、模块度、社区划分数量及运行时间四个方面,基于标记注意力机制的社区发现算法都优于其它社区发现算法。在实际生活中应用此算法,能够更加直观地显示网络内部之间存在的联系。

来源：2022年第12期

《山东大学学报(理学版)》期刊编辑部

查看山东大学学报(理学版)杂志2022年第12期