计算机工程

作者：李有红, 王学军, 谌裕勇, 赵跃龙, 徐文贤

单位：1. 广东工业大学华立学院 舆情大数据中心, 广州 511325;2. 华南理工大学 计算机科学与工程学院, 广州 510006;3. 华南师范大学 图书馆, 广州 510631

关键词：个人社交网络,社区发现,邻边属性,社会蜘蛛优化算法,适应度函数

基金：国家自然科学基金（61572200）；广东省普通高校重点科研平台和科研项目（2016KQNCX212，2018KTSCX313）；广州市哲学社会科学发展“十四五”规划2021年度课题（2021GZGJ260）。

针对传统智能进化社区发现算法通常存在弱化节点属性和容易过早收敛等问题，提出基于邻边属性群智能聚类的个人社交网络社区发现算法NLA/SCD。在融合邻边结构及其节点属性相似特性的基础上，定义社会蜘蛛优化算法的适应度函数，并将社区模块度增量作为算子迭代准则。在雌性和雄性个体的进化与交配过程中，利用适应度函数和模块度增量函数从局部和全局角度优化社区划分的寻优过程，以保持种群多样性并避免算法过早收敛。实验结果表明，NLA/SCD算法能有效识别属性信息多样的个人社交网络，且具有较高的运行速度和划分精度。

来源：2021年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第7期