泛运筹理论初探——HANP和BMLPA以及DCLP简介

图论-图论算法之HANP和BMLPA以及DCLP

图论经典算法简介之HANP算法与BMLPA算法以及DCLP算法
    在图论介绍的文章里，关于标签传播的算法我们在上一次的文章里已经介绍过了，在本次文章里我们将会介绍效果更好的社区发现类算法，也就是HANP算法、BMLPA算法，以及借鉴了HANP算法的DCLP算法。
    HANP算法是在2009年被提出的，它的核心思想是在标签传播算法LPA算法的基础上，考虑了各个标签其他的特征，比如度的信息，距离信息等。因为标签传播本质上就是看当前点的周围neighbor邻居点谁的标签更多，本质上没有考虑附近点的结构特征信息，所以在实际场景的效果经常会无法稳定或是得到过大的社区。而HANP则考虑了各种图上的结构信息和边信息，在传播的时候，引入了衰减因子，防止两个距离较远的社团互相影响，而通过综合考虑度信息、距离信息、权重信息（有权图）来构造一个综合得分score进行传播，周围点的score值最大的那个标签是设定为当前点的标签，当分数衰减小于等于0的时候停止传播，这样可以防止过度传播导致的不平衡问题发生。
    而BMLPA算法则是在2012年被提出的，该算法的核心在于balance平衡，它将各个点的标签进行概率化处理，而不是直接设定为某个标签，可以认为这个算法是广义的标签传播，但是它更注重周围点的标签的概率组合，是一种更为合理的投票思路。BMLPA算法的步骤是先设置一个过滤阈值，防止概率较低的标签影响最终结果，在这个基础上，对于周围的直接相连的点进行概率加和，取最大的概率值作为第一次归一化的分母，进行归一化后使用阈值进行过滤，然后再进行一次归一化操作即可，按照这个步骤进