.png){kind=icon}
返回
A novel optimization approach for dynamic trusted community detection using the gray wolf algorithm
.png){kind=icon}
PRE
AI
DOI：10.1007/s41060-025-00851-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
社交网络中的虚拟社区反映了地域特征、人际关系和个体行为模式，为网络拓扑结构和复杂系统动态提供了洞察。然而，这些网络中固有的意见多样性可能对用户安全和隐私构成重大风险。因此，建立安全通信渠道至关重要。尽管现有算法已尝试缓解这些风险，但它们在准确识别可信社区方面常常不足。本文通过提出一种新的社会媒体平台可信社区检测方法，解决了这一缺陷。在所提出的社区检测方法中，除了利用新的动态标准（包括Kullback–Leibler散度、声誉、共同信任和相互信任）外，还使用了一种优化算法。本工作的主要贡献在于其新颖的可信社区识别与整合方法，显著提升了效率。在四个真实数据集上与若干现有算法的对比分析证实，所提方法在识别可信社区方面具有有效性和高效性。
Keyword:
Trusted communities
Social network
Gray wolf optimization
Community detection
期刊
I
IF:
2.8
论文数:
1.1K
被引数:
1.3K
机构
引用论文
Node influence-based label propagation for community detection using both topology and attributes基于节点影响力并结合拓扑与属性的标签传播算法用于社区发现.png)
IF0
PREAI
分享收藏
查看更多内容