基于工业大数据的重叠社区发现算法

TP391; 为了深入挖掘和分析工业大数据隐藏的关系、趋势和模式,从而为企业提供更好的决策依据,结合随机游走和标签传播思想,提出一种基于工业大数据的重叠社区发现算法.设计了种子节点选取算法,通过随机游走计算各节点的重要性,选出不相关和重要性高的种子节点;提出重叠社区发现算法,对种子节点赋予唯一标签,迭代进行标签传播直到节点标签不再改变,根据节点标签得到最终的重叠社区划分结果.通过在真实数据集和人工数据集上进行对比实验表明,该算法可以在网络上有效发现高质量的重叠社区,并进一步解决工业大数据的数据分析、信息挖掘等核心问题....

Full description

Saved in:
Bibliographic Details
Published in计算机集成制造系统 Vol. 30; no. 6; pp. 2130 - 2138
Main Authors 康海燕, 景悟, 张仰森
Format Journal Article
LanguageChinese
Published 北京信息科技大学信息管理学院,北京 100192 30.06.2024
Subjects
工业大数据
随机游走
random walk
industrial big data
标签传播
label propagation
社区发现
overlapping community
community detection
重叠社区
Online AccessGet full text
ISSN1006-5911
DOI10.13196/j.cims.2021.0791

Cover

More Information
Summary:TP391; 为了深入挖掘和分析工业大数据隐藏的关系、趋势和模式,从而为企业提供更好的决策依据,结合随机游走和标签传播思想,提出一种基于工业大数据的重叠社区发现算法.设计了种子节点选取算法,通过随机游走计算各节点的重要性,选出不相关和重要性高的种子节点;提出重叠社区发现算法,对种子节点赋予唯一标签,迭代进行标签传播直到节点标签不再改变,根据节点标签得到最终的重叠社区划分结果.通过在真实数据集和人工数据集上进行对比实验表明,该算法可以在网络上有效发现高质量的重叠社区,并进一步解决工业大数据的数据分析、信息挖掘等核心问题.
ISSN:1006-5911
DOI:10.13196/j.cims.2021.0791