基于复杂网络的社区发现算法研究

摘要：

近年来,高质量社区的挖掘和发现已经成为复杂网络研究的一个热点.目前大多的社区发现算法主要针对无向网络,但现在的很多真实网络通常都是有向加权的.同时,标签传播算法(LPA)是一种接近线性复杂度的社区发现算法,该算法具有简单高效、不需要提供社区规模和社区个数等先验知识的特点,因而得到了广泛关注和应用.针对有向加权网络,提出了一种基于节点重要性和节点相似性的改进标签传播算法(CRJ-LPA).该算法综合考虑节点的边权、节点的信息传播能力、节点相似度以及节点集聚系数等因素.算法通过加权的ClusterRank获得节点重要性列表用以避免LPA中的随机选择;然后,采用Jaccard系数度量节点的相似度,结合节点重要性列表计算出一个新的度量CRJ(重要度和相似度),提高了算法的稳定性.实验结果表明,该算法有效可行,且具有较好的鲁棒性.

关键词：有向加权网络、标签传播、ClusterRank、节点重要性、Jaccard、节点相似度

所属期刊栏目：30

分类号：TP301.6(计算技术、计算机技术)

资助基金：陕西省自然科学基金;西安邮电大学研究生创新基金

在线出版日期：2020-03-12（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：82-86