基于多节点社团意识系统的属性图聚类算法-计算机科学.PDF

第 44 卷第6A 期 Vo l. 44 No. 6A 计算机科学 2017 年 6 月 CO岛1PUTER SCIENCE June 2017 基于多节点社团意识系统的属性图聚类算法 石铠任琼馄彭一鸣李慧嘉 (中央财经大学管理科学与工程学院 北京 100081) 摘 要 属性图用属性向量描述节点，用边描述节点间的关系。为了把节点划分为具有紧密联系的社团，一种有效的 方法是对属性图进行聚类。聚类方法有不同的标准，如节点连接度和属性相似度。虽然社团一般是围绕紧密的连边 和相似的属性值的节点形成，但是目前的方法都只关注了这两种数据形式中的一种。通过给每个节点赋予一个自治 域，提出一个准确且可延展的多节点系统用于提取属性图中的重叠社团。首先，引入带有可调带宽因子的核函数用于 测度每个节点的影响力，具有最高局部影响力的节点可以被看作领导节点。其次，提出一种新颖的局部扩展策略，使 每一个领导节点能够吸收属性图中相关性最强的跟随者。接着，设计了多节点社团意识系统，该系统为节点之间的充 分沟通提供了必要的条件，从而能够得出最优的重叠社团结构。社团中的节点不仅互相联系紧密，而且也有相似的属 性。该算法的计算复杂度在特定带宽条件下近似于连边数目的线性函数。最后，基于标准属性图和真实属性图的实 验验证了该系统的有效性和高效性。 关键词 聚类，属性图，多节点意识系统，中心度，重叠节点 中固法分类号 TP393 文献标识码 A Attributed Graph Clustering Algorithm ßased on Cluster-aware Multiagent System SHI Kai REN Luo-kun PENG Yi-ming LI Hui-jia (School of Management Science and Engineering.Central University of Finance and Economics.Beijing 100081 ,China) Abstract Existing methods to partition nodes into clusters 时th tight correlations is to apply clustering techniques on attributed graphs based on node connectivity or attribute similarity. In this paper ,we comprehend each node as an au- tonomous agent and developed an accurate multi-agent system to extract overlapping clusters in attributed graphs. First ,a kemel function with bandwidth factor is introduced to measure the influence of each agent , and those agents with highest local influence are selected as leader agents. Next ,a novel local expansion strategy is proposed ,by which each leader agent absorbs the closest followers in the graph. Then ,the cluster-aware multiagent system