摘要：为保证动态社区发现效率,提高动态社区划分结果的准确性,提出一种基于拓扑势的增量式动态社区发现方法。增量式方法以前一个时间片网络的社区划分结果为基础,动态调整网络变化部分的社区归属,其余部分的社区结构仍保持不变。传统增量式方法只考虑增量节点,实际上,增量节点的邻居节点也会受到影响而出现社区归属的变化。该方法考虑增量节点,依据拓扑势场理论,进一步计算增量节点影响范围内的邻居节点,重新判定这些节点的社区归属。在真实和人工网络上的实验结果表明,该算法扩大了传统增量更新的范围,在保证计算效率的基础上,有效提高了社区划分结果的准确性。

摘要：为解决传统影响力最大化算法时间复杂度高,选出节点过于集中,导致富人俱乐部现象(rich-club)的问题,提出一种基于节点覆盖范围的影响力最大化算法,将节点覆盖范围作为节点选取的中心性评价指标,有效避免选取种子节点时节点过于集中。为进一步减少运行时间,对该算法进行CELF优化。在各种规模网络上的实验结果表明,该算法能够有效选取最具影响力的节点。