国内刊号:51-1196/TP
国际刊号:1001-3695
发布日期:
作者:蒋乐乐,刘厚泉,张楠,
单位:中国矿业大学计算机科学与技术学院,江苏徐州221116;
关键词:动态网络,社区演化预测,长短期记忆网络,
现实生活中的网络通常是动态的,网络结构随着时间的推移而改变,检测社区演化可以深入了解网络的基本行为。针对动态社区演化预测问题,提出一种结合演化树和长短期记忆网络的社区演化预测方法,从动态网络中提取社区的多元特征,并使用长短期记忆网络对特征进行学习分类,最终预测社区下一时间段的变化情况。在两个真实数据集上进行了实验,实验结果证明该方法可以有效地预测社区演化行为,与其他方法相比具有较好的准确性。
来源:2020年第12期
《计算机应用研究》期刊编辑部