![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
社区搜索
文章平均质量分 83
luijianfie
这个作者很懒,什么都没留下…
展开
-
Finding Tenuous Groups in Social Networks - 2018
概述 这是18年关于社区稀疏子图的一篇文章。文章指出,以k-line作为核心的指标,提出了KMLA算法来衡量图的稀疏程度。文章与MKTG1的方法进行对比(见之前分享过的文章On Finding Socially Tenuous Groups for Online Social Networks),认为本文提出的方法,在某些场景上找到更好的稀疏子图,同时有着更好的效率。 1)结果的稀疏程度比较 文章提出了上面这样一个场景,并认为节点1和2,根据MKTG的方法,可能存在最终的稀疏子图中包含了节点1和节点2的可原创 2021-01-19 14:39:30 · 260 阅读 · 1 评论 -
On Finding Socially Tenuous Groups for Online Social Networks - 2017
概述 比起以往关于社区搜索寻找稠密子图不同,本文聚焦在寻找带有N个节点的稀疏子图。 1)问题定义:给定一个图,从社区中找到至少有N个节点的,互不相连的,拥有最小的Δk(F)∣F∣\frac{\Delta _k(F)}{|F|}∣F∣Δk(F)的子图。其中|F|是子图包含节点数量,Δk(F)\Delta _k(F)Δk(F)代表F中k-triangle数量。 2)衡量指标:Δk(F)∣F∣\frac{\Delta _k(F)}{|F|}∣F∣Δk(F) 3)算法:TERA,TERA-ADV 算法介绍原创 2021-01-17 21:42:10 · 189 阅读 · 2 评论