An improved algorithm for generalized community structure inference in complex networks

در سال های اخیر، تحقیق تشخیص جامعه نه تنها بر ساختاری است که به شدت در داخل داخلی متصل است، بلکه همچنین بر ساختار الگوهای بیشتری نظیر ناهمگونی، همپوشانی، مرز هسته ای. در این مقاله، مدل شبکه بر اساس مدل های گراف تصادفی و الگوریتم بهبود یافته برای به دست آوردن ساختارهای عمومی عمومی ارائه می کنیم. ما آن را با معرفی چند جملهای برنشتاین تعمیم یافته و محاسبه پارامترهای پنهان از رأس ها به دست می آوریم. این الگوریتم هر دو بر روی شبکه های عددی کامپیوتری و شبکه های دنیای واقعی تست شده است. نتایج نشان می دهد که الگوریتم باعث عملکرد بهتر در سرعت همگرا می شود و قادر به کشف ساختارهای پنهان پنهان در شبکه ها می باشد.