作　　者： ; ; ; ; ; (李泓波）;

机构地区： 哈尔滨工程大学计算机科学与技术学院

出　　处： 《北京大学学报（自然科学版）》 2013年第1期117-125,共9页

摘　　要： 针对目前图压缩方法中存在的时间复杂度较高、依赖先验知识设定参数、需要调节的参数过多、压缩有损、忽视网络社区结构等问题,提出基于社区节点重要性的社会网络压缩方法。该方法由基于贪婪策略的社区发现算法(GS)和社会网络压缩算法(SNC)两部分组成。GS算法采用拓扑势理论,不但可以实现社区发现,而且可挖掘出社区中的重要节点。SNC算法以网络社区为压缩对象,在保持社区间的关联关系的前提下实现了无损压缩,并可在必要时保留社区中的重要节点或基本结构。通过实验,对方法的可行性和有效性进行了验证。 In response to the inadequacies of current graph compression methods, such as higher time complexity, dependence on experiences to set parameters, too many parameters to adjust, compression loss, ignoring the community structure of network, a social network compression method is proposed based on the importance of the community nodes. The method include community discovery algorithm （GS） based on greedy strategy and social network compression algorithm （SNC）. Adopting topological potential theory GS algorithm is not only capable of discovering communities but also capable of mining important nodes in the communities. SNC algorithm takes communities as targets, achieves lossless compression while maintaining the connections between communities, and keeps important nodes in communities or basic community structure if necessary. The feasibility and effectiveness of the method are verified in experiments.

关 键 词： 社会网络挖掘 拓扑势 节点重要性 无损压缩 贪婪策略

领　　域： [自动化与计算机技术] [自动化与计算机技术]