.png){kind=icon}
返回
Higher-Order Community Detection by Motif-Based Modularity Optimization
.png){kind=icon}
PRE
AI
DOI：10.1109/TBDATA.2025.3544129.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，基于网络模体的更高阶社区发现已受到越来越多的关注，因为基于模体的社区不仅反映了真实网络的中观结构，也体现了其功能特性。本研究提出了一种基于模体社区发现的模块度优化方法（MOMCD）。为近似模块度优化的全局最优解，提出了一种改进的自然启发性元启发式算法作为优化策略。此外，通过综合利用模体基（更高阶）和边基（更低阶）的结构信息，设计了邻域社区修改操作和局部搜索操作，以提升个体质量并促进MOMCD的收敛。实验结果表明，MOMCD在从合成网络和真实网络中识别基于模体的社区方面表现出良好的前景和竞争力，其在质量和准确性方面优于当前先进方法，并加深了我们对网络结构及功能特性的理解。
Keyword:
Higher-order community detection
network motif
modularity optimization
nature-inspired computation
期刊
I
IF:
5.7
论文数:
887
被引数:
3.0K
机构
引用论文
.png){kind=icon}
分享收藏
Detecting communities in complex networks using triangles and modularity density使用三角形和模块度密度检测复杂网络中的社区
PREAI
分享收藏
查看更多内容