结合拓扑势与信任度调整的重叠社区发现算法

摘要：

现实世界中的复杂系统可建模为复杂网络,探究复杂网络中的社区发现算法对于分析复杂网络的拓扑结构和层次结构具有重要作用.早期研究通常将网络中的节点局限在一个社区中,但随着研究的深入发现社区结构呈现重叠特性.针对现有重叠社区发现算法存在划分社区结构不稳定、忽略节点交互和属性等问题,提出一种基于网络拓扑势与信任度调整的重叠社区发现算法.融合节点的属性和结构特征计算节点的拓扑势,依据节点的拓扑势选取核心节点.从核心节点出发构建初始社区群,计算各个社区间的调整信任度,实现社区的合并与再调整,从而识别重叠社区.在多个人工模拟网络和真实网络数据集上的实验结果表明,与基于贪婪派系扩张、种子扩张等的重叠社区发现算法相比,该算法将扩展模块度最高提升至0.719,能有效识别社区结构及重叠节点,提升重叠社区检测性能.

关键词：重叠社区发现、节点属性、拓扑势、核心节点、信任度调整

所属期刊栏目：48

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;甘肃省高等学校创新创业基金;甘肃省科技计划项目;甘肃省自然科学基金

在线出版日期：2022-05-17（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：53-58