来源：期刊VIP网 时间：
作者：傅城州;胡苓芝;蔡永铭;王昌栋;汤庸;
单位：广东药科大学医药信息工程学院;广州商学院现代信息产业学院;澳门理工大学应用科学学院;中山大学计算机学院;华南师范大学计算机学院;
摘要：针对目前社区检测方法忽略社交网络中本身所固有的群体信息的问题，文章提出了一种团队感知的多层视图自适应社区检测算法(Adapt-TaCD):首先，将用户交互信息定义为交互视图，将团队信息定义为团队视图，构建多层视图网络；然后，采用Jaccard相似度来度量节点跨视图一阶结构邻近性的一致性；最后，在新构建的多层视图网络基础上，采用模块度方法来挖掘社区结构，最终得到社区划分的最优解。另外，为验证算法性能，利用学者网原始社交网络数据构建了具有多维度关系特性的基准测试数据集(CDDS-SCHOLAT)。在CDDS-SCHOLAT数据集的NET-3K网络上进行了最优系统参数γ选取实验，确定γ=1.5为系统参数最优值。利用此最优值，将Adapt-TaCD算法与AP、Ncut、Louvain、NSA、VGAER算法在CDDS-SCHOLAT数据集中不同规模的网络上进行社区检测实验。实验结果表明：Adapt-TaCD算法的ACC、NMI、ARI的标准差分别为0.052 0、0.009 9、0.050 3,在不同规模的网络上检测结果较稳定；与AP、Ncut、Louvain、NSA、VGAER算法相比，Adapt-TaCD算法的ACC、NMI、ARI值分别平均提高了0.36、0.38、0.39;Adapt-TaCD算法在效率方面表现较优，在节点数为10 000的网络上的运行时间仅为30.25 s。研究证明，Adapt-TaCD算法在准确性、稳定性和计算效率上均具有显著优势，尤其适用于大规模多层关系网络的社区发现任务。
关键词：团队感知;;社区检测;;多层视图;;学者网
基金资助：国家重点研发计划课题(2023YFC3341204);; 广东省中医药局科研项目(20242047);; 广东药科大学教学质量工程项目(2022);; 广州商学院2024年度校级科研项目(2024XJYB018)
