文献类型：期刊文献

中文题名：改进的基于模块度最大化二分图权重网络社团挖掘算法

英文题名：Improved Community Detection Algorithm Based on Maximize Modularity in Weighted Bipartite Networks

作者：李文娟[1]

第一作者：李文娟

机构：[1]甘肃中医药大学定西校区理科部

第一机构：甘肃中医药大学定西校区

年份：2020

卷号：29

期号：1

起止页码：49

中文期刊名：中央民族大学学报（自然科学版）

外文期刊名：Journal of Minzu University of China(Natural Sciences Edition)

基金：甘肃中医药大学定西校区科研项目(2017XJYB07);甘肃中医药大学定西校区科研项目(TD2016YB04);甘肃省高校科研项目(2018A-179)

语种：中文

中文关键词：复杂网络;社团挖掘;模块度;标签传播

外文关键词：complex network;community detection;modularity;label propagation

摘要：复杂网络广泛应用于生态学、生物信息学等多个领域,其中加权二分图网络作为一种特殊结构的复杂网络可以用来对许多实际问题进行建模。网络的社团挖掘一直以来都是分析复杂网络的重要手段,也是复杂网络领域研究的热点问题。本文提出了一种改进的模块度最大化二分图权重网络社团挖掘算法,通过在实际网络中的测试,相较于其他的同类型算法,本算法可以得到更好的社团划分结果,其执行效率也明显高于现有的其他算法,可以用于大规模二分图网络的社团挖掘。
Complex network can apply to multiple disciplines such as ecology and bioinformatics. Weighted bipartite network as a special complex network can be used to model many issue. Community detection is an essential tool and a key research focus to analyze networks. In this paper, we propose an improved community detection algorithm in weighted bipartite networks, and test it with two other exist algorithm in seven real-networks, the result showed that our algorithm has a better modularity result and spend less time. It can be used in community detection of large weighted bipartite networks.