基于局部紧耦合结构的模块性优化社区检测方法

摘要：

利用局部紧耦合结构提升社区检测的模块性优化质量．首先，定义了4类边缘紧耦合结构，并提出了一种具有线性复杂度的边缘紧耦合结构挖掘算法．其次，分别选择k-clique，k-clan， k-plex结构作为核心紧耦合结构，并以长结构优先和短结构优先2种策略将边缘与核心紧耦合结构合并．然后，将合并后的局部紧耦合结构融入模块性优化过程，提出了一种NFN算法．该算法将每个局部紧耦合结构初始化为独立社区，不断凝聚模块性增量最大的2个社区，直至找到预定义数量的社区．6个真实数据集上针对外部指标和内部指标的实验结果均表明，相比于传统的FN算法，NFN算法能发现更高质量的社区．在参数设置方面，长结构优先策略优于短结构优先策略，且采用k-clique结构作为核心紧耦合结构优于采用其他结构．因此，长结构优先策略结合k-clique成为NFN算法的最佳参数组合．

关键词：社区检测、模块性、FN算法、社会网络、紧耦合结构

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目60973140，61103229，71372188;国家级电子商务信息处理国际联合研究中心资助项目2013B01035;国家科技支撑计划资助项目2013BAH16F03．

在线出版日期：2014-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：504-509