基于节点重要性与相似性的重叠社区发现算法

摘要：

在复杂网络中进行重叠社区发现时,现有模糊C均值算法(FCM)采用随机策略导致社区划分结果不一致.为此,提出一种新的重叠社区发现算法.引入节点重要性来量化复杂网络中节点的重要程度,根据节点重要性排序和节点间最短路径选取若干核心节点作为FCM初始的聚类中心节点,从而提高FCM的不稳定性.利用基于s-跳最短路径的节点相似度量方法得到信息更丰富的相似矩阵,以提高算法的准确率.采用谱聚类对相似矩阵处理得到节点的隶属度矩阵,并依据阈值分配各节点的社区归属.实验结果表明,该算法能够得到唯一的社区划分结果,且在Karate、Dolphins数据集上的NMI指标比GCE、INFOMAP和GOPRA等算法高8％以上.

关键词：模糊C均值、节点重要性、最短路径、社区发现、谱聚类

所属期刊栏目：44

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家重点研发计划项目2016YFC0600908;国家自然科学基金61402482,61572505,51674255

在线出版日期：2018-12-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：192-198