近日，研究组在动态图社区发现的研究工作“一种融合节点变化信息的动态社区发现方法”在《电子学报》 正式发表。该文针对已有方法难以有效提取社区演变平滑信息提高动态社区发现性能的问题，提出一种融合节点变化信息的动态社区发现方法NCI-SeNMF。NCI-SeNMF首先采用k-core分析方法提取前一时刻社区网络的degeneracy-core，并选取degeneracy-core中的节点构造社区隶属先验信息，然后对相邻时刻网络的节点局部拓扑结构变化程度进行量化，并将其用于进一步修正社区隶属先验信息，最后通过半监督非负矩阵分解模型集成社区隶属先验信息进行动态社区发现。在多个人工合成动态网络和真实世界动态网络上进行大量对比实验，结果表明，NCI-SeNMF比现有动态社区发现方法在主要评价指标上至少提升了4.8%。

      《电子学报》创刊于1962年，是中国电子学会主办的旗舰学术期刊，被EI、Scopus、Inspec收录，属于CCF推荐中文科技期刊A类和CCF计算领域高质量科技期刊分级目录T1类。

        全文信息及下载链接：https://www.ejournal.org.cn/CN/10.12263/DZXB.20221142