资 源 简 介
Eaton 等人分别考虑个体标签和成对约束两种形式,提出了基于 Spin-Glass 模 型的半监督社区发现方法。 该算法通过修正 Spin-Glass 模型的哈密尔顿量使网络中的 每个节点处于基态。该模型指定具有相同自旋状态的节点应该被划分到同一个社区。 为了把两种形式的先验信息结合到哈密尔顿函数中,算法分别对应个体标签和成对约 束先验信息建立惩罚或奖励函数。在最小化哈密尔顿函数时,该算法采用模拟退火思想避免局部最优,从而得到良好的社区划分结构。 该算法在实验中呈现出较好的识别准确度和抗噪性。