计算机工程与科学

作者：张士进, 张胜, 田纪彪, 吴志强, 戴维凯

单位：（南昌航空大学信息工程学院,江西 南昌 330063）

关键词：复杂网络,自动编码器,森林编码器,社区结构,社区发现,

基金：国家自然科学基金（61661037）；江西省教育厅科技资助项目（GJJ170575）；江西省研究生创新专项基金（YC2018-S370）

复杂网络是复杂系统的典型表现形式,社区结构是复杂网络最重要的结构特征之一。针对目前社区发现算法精确度低以及不适合大规模网络的问题，提出一种新的算法DA-EF和用于度量节点之间相似度的影响力扩散指标。DA-EF利用多层自动编码器与森林编码器构成二级级联模型，相似度矩阵进行降维和表征学习处理，转化成低维高阶特征矩阵，最终使用K-means得到准确的社区划分结果。级联结构在保持算法同等深度的情况下，大幅降低了算法时间复杂度。在人工合成数据集和真实数据集上的实验表明，DA-EF与同类算法K-means、DA-EML和CoDDA相比，其标准互信息NMI和模块度Q值高，而且聚类运行时间最少，具有精确度高和效率快的优势。在算法性能实验中，验证了算法的级联结构、自动编码器的深度以及影响力扩散指标的合理性和有效性。

来源：2020年第9期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2020年第9期