拓扑结构与节点属性综合分析的社区发现算法

摘要：

社交网络的社区发现对于理解网络功能、识别网络连接层次性及预测社交网络用户的复杂群体行为有着极其重要的基础性作用.鉴于现有社区发现算法通常只基于拓扑结构或节点属性单种因素提出,提出一种综合两方面因素的社区发现算法.该算法首先基于Spearman相关系数对初始数据进行去相关性处理,避免后续分析的相关性误差;然后引入后验概率理论进行稳定性赋权,综合拓扑与属性两影响因素;最后根据模糊传递闭包原理,从关系变换的角度进行社区发现.与经典社区发现算法相比,该算法不仅提高了社区发现的准确性,且在一定程度上解决了社区结构中网络动态性影响及社区层次性问题.

关键词：社区发现、Spearman相关性、后验概率、模糊传递闭包、社区层次

所属期刊栏目：28

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61572514,61379117

在线出版日期：2018-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1-5