文献

J-GLOBAL ID：201802279942071725   整理番号：18A0655667

ノード特徴ベクトルに基づく複雑なネットワークコミュニティ発見アルゴリズム【JST・京大機械翻訳】

Community Structure Detection Algorithm Based on Nodes’ Eigenvectors

著者 (3件)： Lu Yihong (浙江工業大学計算机学院 杭州310023) ,  Zhang Zhenning (浙江工業大学計算机学院 杭州310023) ,  Yang Xiong (浙江工業大学計算机学院 杭州310023;常州工学院計算机信息工程学院通信工程系 常州213002)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 44  号： z1  ページ： 419-423  発行年： 2017年 
JST資料番号： C2530A  ISSN： 1002-137X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： コミュニティ構造は複雑なネットワークの非常に一般的で非常に重要なトポロジー的特徴であり,コミュニティの発見は複雑なネットワークの構造と機能を理解するのに役立つ。ノード間の類似性の評価指標はコミュニティ発見の結果に対して極めて重要な役割を果たし、従来のアルゴリズムで使用されている類似度指標には時間複雑度が高く、正確ではないという欠点がある。これらの2つの欠陥を補うために,情報伝達理論に基づいて,ネットワークのノードを多次元データセットに抽象化し,従来のクラスタリングアルゴリズムK-平均と組み合わせて,新しいアルゴリズムを提案した。実験結果は,Zachary Karate Clubネットワーク,Jazz Musicianネットワーク,およびFace-bookネットワークに基づく実験結果は,提案したアルゴリズムが効率的で正確であることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 位相幾何学 ,  *コミュニティ ,  *アルゴリズム ,  *ネットワーク ,  類似性
準シソーラス用語： クラスタリングアルゴリズム ,  多次元データ ,  複雑度 ,  類似度 ,  評価指標 ,  コミュニティ構造 ,  *ネットワークコミュニティ ,  *特徴ベクトル , 【Automatic Indexing@JST】

著者キーワード (4件)： Complex networks ,  Community structure ,  Theory of information transmission ,  Eigenvector

分類 (2件)： 計算機網  (JC03000K) ,  通信網  (ND07030A)

タイトルに関連する用語 (5件)： ノード ,  特徴ベクトル ,  ネットワークコミュニティ ,  発見 ,  アルゴリズム