Resumen

Con el explosivo desarrollo de big data, la tecnología de minería de datos de información también se ha desarrollado rápidamente, y las redes complejas se han convertido en una dirección de investigación candente en la minería de datos. En la vida real, muchos sistemas complejos utilizarán nodos de red para la detección inteligente. Cuando se utilizan muchos algoritmos de detección de comunidades, han surgido muchos problemas, por lo que tienen que enfrentar mejoras. El nuevo algoritmo de detección CS-Cluster propuesto en este artículo se deriva mediante el uso de la disimilitud de la proximidad de los nodos. Por supuesto, el nuevo algoritmo propuesto en este artículo se basa en el algoritmo IGC-CSM. Se han realizado ciertas mejoras, y CS-Cluster se ha implementado en los cuatro algoritmos de IGC-CSM, SA-Cluster, W-Cluster y S-Cluster. Se muestra el resultado de comparar el valor de densidad con el valor de entropía del conjunto de datos de Political Blogs, el conjunto de datos de DBLP, el conjunto de datos de Political Blogs y el valor de entropía del conjunto de datos de DBLP. Finalmente, se concluye que el algoritmo CS-Cluster es el mejor en cuanto al efecto y calidad de agrupamiento, y el grado de diferencia en la estructura de subgrafo de agrupamiento.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Desarrollo; Big data; Redes complejas; Algoritmos de detección de comunidades; Algoritmo CS-Cluster; Clustering.
• Keywords:Development; Big data; Complex networks; Community detection algorithms; CS-Cluster algorithm; Clustering.