Community detection using boundary nodes in complex networks

ما یک الگوریتم جدید محلی محلی ایجاد می کنیم که اجتماعات را با شناسایی خطوط بین آنها با استفاده از گره های مرزی پیشنهاد می دهد. روش ما تبلیغ برچسب برای تشخیص جامعه را انجام می دهد، در حالی که گره ها برچسب های خود را براساس بهترین نمره ها انتخاب می کنند؟ توسط همسایگان فوری آنها به عنوان جذاب به جوامع خود نمایش داده می شود. ما معیارهای مختلفی را می سنجیم و می یابیم که استفاده از تعداد همسایگان مشترک به عنوان امتیازات سود منجر به تصمیم گیری بهتر برای ساختار جامعه می شود. الگوریتم پیشنهادی یک رویکرد محلی دارد و فقط در گره های مرزی در طی تکرار انتشار برچسب تمرکز می کند، که مراحل غیر ضروری را حذف می کند و زمان اجرای کلی کوتاه می شود. این اجتماعات کوچک و همچنین بزرگ را حفظ می کند و می تواند الگوریتم های دیگر را از لحاظ کیفیت جوامع شناسایی، به ویژه هنگامی که ساختار جامعه ظریف است، بهتر کند. الگوریتم دارای ماهیت توزیع شده است و می تواند به صورت موازی در شبکه های بزرگ استفاده شود.