Search

Community detection can not only help people understand organizational structure and function of complex networks, but also attributes to many potential applications including targeted advertising and customer relationship management. Due to the low time complexity, the label propagation algorithm is widely used, but there is still room to improve the community quality and the detection stability. Inspired by resource allocation and local path similarity, we first give a new two-level neighbourhood similarity measure called TNS, and on this basis we propose an improved label propagation algorithm for community detection. In this new algorithm, the minimum distance and local centrality index are considered to select the initial community centers, to ensure that they are both important and far away from each other. In the process of forming initial community, we employ the new similarity measure and an optimization strategy of asynchronously updating labels according to node importance. To further improve the accuracy of community division, we introduce the label influence based on the new similarity measure to further optimize the community division of networks. The experimental results on both the artificial network and ten real-world networks show that our proposed algorithm has better comprehensive performance than several existing algorithms in terms of modularity, normalized mutual information and adjusted rand index.

Community detection in directed networks appears as one of dominant research works in network analysis. Most existing models for community detection are symmetric, in which incom-ming and outgoing links are treated equally. In this paper, we propose a method based on Formal Concepts that takes into account both symmetric and non-symmetric properties of links. To validate our approach, experiments on known networks with symmetric property of links in directed graphs show that outputs detect the same communities as some of state-of-art methods; while, with non-symmetric property of links, only this approach uncovers expected communities. Its Experimental results on benchmark are also better than those of many existing algorithms.; La détection des communautés dans les réseaux orientés ou non est une problématique actuelle. Elle consiste à regrouper les nœuds ou acteurs en groupes homogènes. Plusieurs chercheurs ont proposé des algorithmes pour résoudre ce problème; ces algorithmes fournissent des résultats acceptables en supposant que la relation entre les acteurs peut être symétrique, alors que dans beaucoup de situations réelles, la relation entre acteurs ne peut pas être symétrique. Dans ce travail, nous proposons une méthode basée sur les concepts formels permettant de prendre en compte la nature symétrique ou non de la relation entre les acteurs. Cette approche consiste à ex-traire des concepts noyaux et d'en déduire les communautés. Cette approche illustrée sur un cas de réseau sur le cas de réseau ayant relation symétrique, trouve le résultat est semblable à ceux des méthodes de l'état de l'art et sur le cas non symétrique, trouve les communautés attendues contraire-ment aux méthodes existantes. Les résultats expérimentaux sur des jeux de données pris sur Internet sont meilleurs que ceux de certains algorithmes existants.

Community detection in directed networks appears as one of dominant research works in network analysis. Most existing models for community detection are symmetric, in which incom-ming and outgoing links are treated equally. In this paper, we propose a method based on Formal Concepts that takes into account both symmetric and non-symmetric properties of links. To validate our approach, experiments on known networks with symmetric property of links in directed graphs show that outputs detect the same communities as some of state-of-art methods; while, with non-symmetric property of links, only this approach uncovers expected communities. Its Experimental results on benchmark are also better than those of many existing algorithms.; La détection des communautés dans les réseaux orientés ou non est une problématique actuelle. Elle consiste à regrouper les nœuds ou acteurs en groupes homogènes. Plusieurs chercheurs ont proposé des algorithmes pour résoudre ce problème; ces algorithmes fournissent des résultats acceptables en supposant que la relation entre les acteurs peut être symétrique, alors que dans beaucoup de situations réelles, la relation entre acteurs ne peut pas être symétrique. Dans ce travail, nous proposons une méthode basée sur les concepts formels permettant de prendre en compte la nature symétrique ou non de la relation entre les acteurs. Cette approche consiste à ex-traire des concepts noyaux et d'en déduire les communautés. Cette approche illustrée sur un cas de réseau sur le cas de réseau ayant relation symétrique, trouve le résultat est semblable à ceux des méthodes de l'état de l'art et sur le cas non symétrique, trouve les communautés attendues contraire-ment aux méthodes existantes. Les résultats expérimentaux sur des jeux de données pris sur Internet sont meilleurs que ceux de certains algorithmes existants.