基于网络节点中心性度量的重叠社区发现算法

摘要：

基于搜索密度峰值的聚类思想,设计了一种网络节点的中心性度量模型,并提出了一种重叠社区发现算法.首先,定义了网络节点的内聚度和分离度,分别用于描述网络社区内部连接稠密和外部连接稀疏的结构特征,在此基础上计算节点的中心性度量表达节点对社区结构的影响力.接着,利用3δ法则选择中心度异常大的节点作为社区中心.以隶属度表达社区间的重叠特性,并给出了非中心节点的隶属度迭代计算方法,将各节点分配到其可能隶属的网络社区,以实现重叠社区划分.最后,利用人工网络和真实网络对提出的重叠社区发现算法进行验证,实验结果表明:该算法在社区发现质量和计算效率方面都优于许多已有重叠社区发现算法.

关键词：节点中心度、社区发现、重叠网络社区、隶属度、密度峰值聚类

所属期刊栏目：55

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61673295,61773247;山西省自然科学青年科技研究基金项目201701D221097;山西省回国留学人员科研资助项目2016-004;山西省研究生联合培养基地人才培养项目2017JD05

在线出版日期：2018-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1619-1630