一种基于聚类融合和最小生成树的重叠社交网络划分方法

摘要：

为解决重叠社交网络划分过程中涉及群体内容私密性的问题,提出一种基于聚类和最小生成树的社交网络划分方法.该方法首先以社交网络固有特征——成员之间联系的紧密度等属性来衡量节点之间的距离,然后使用K-means算法产生初始聚类,并将聚类结果表述为矩阵和不带环无向图的形式,并对无向图采用Prim算法得出最小生成树,删减最小生成树中距离较远的K条边得到K个最小生成树,最后利用相似度解决离群点以及重叠点的社交网络成员的归属.实验表明:该算法并未涉及社交网络成员的隐私,得到的社区结构质量较高,并有效地考虑了重叠社区成员以及孤立成员的划分.

关键词：聚类融合、最小生成树、重叠社交网络

所属期刊栏目：45

分类号：TP39(计算技术、计算机技术)

资助基金：This article is supported by Science & Technology Research Project of Chongqing Education Commission KJ1500906

在线出版日期：2018-06-05（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：120-125