有向网络下的CoDA社区发现算法评估
Hebei ke-ji daxue xuebao（2017）
Abstract
CoDA算法是一种基于概率模型的能识别二分结构的社区发现算法.为了验证该算法的社区划分效果,采用信息检索领域的F-measure标准,对有向网络下重叠社区和非重叠社区的CoDA社区发现算法进行评估.F-measure标准中F1-measure值的大小能反映CoDA算法社区划分效果的优劣.实验所用的数据集由LFR Benchmark工具生成,数据集中节点数最小为100,最大为20 000,每增加100节点对CoDA算法社区划分效果评估一次.分析实验结果可以得出,当节点数小于1 600时,CoDA算法的划分效果较好.当节点数大于1 600时,随着节点个数增多,CoDA算法社区划分效果逐渐变差.由此说明,基于概率模型的CoDA算法适用于小规模社交网络社区的划分.
MoreTranslated text
Key words
theory of algorithm,community detection,CoDA algorithm,directed networks,evaluate,F-measure
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined