%0 Journal Article
%T 一种融合贝叶斯概率的社区结构发现方法研究
%J -
%D 2019
%R 10. 3969 / j. issn. 1673-629X. 2019. 01. 023
%X 社区结构通常具有动态、不对称、模糊的特性.为了更好地发现社区结构以及描述社区成员之间的关系,针对当前方法的一些不足,对利用贝叶斯概率来改进社区结构发现的方法进行研究.贝叶斯概率在描述成员之间动态、因果、模糊关系时具有优势,通过引入信息熵,提出了一种融合贝叶斯概率的社区发现方法.该方法首先计算成员之间的贝叶斯概率,研究贝叶斯关系网络构建方法,得出成员之间不对称贝叶斯概率矩阵;然后根据系统内信息的熵相对稳定的性质,把成员间贝叶斯概率作为信息熵的概率输入,计算出新成员加入后信息熵的变化值,根据熵值变化情况来确定成员是否属于社区,从而在发现社区结构的同时,也能描述社区成员之间的不对称、动态和模糊关系.实验结果证明了该方法的有效性
%K 社区发现
%K 贝叶斯概率
%K 信息熵
%K 数据挖掘
%U http://www.xactad.org//oa/darticle.aspx?type=view&id=201901023