采用模糊层次聚类的社会网络重叠社区检测算法
为了能够发现社会网络中的重叠社区以及解决重叠社区之间关系的模糊性和层次性,提出了一种基于模糊层次聚类的重叠社区检测算法(CDHC).算法中引入了距离加权因子来计算社区间的相似度,通过模糊层次聚类来合并相似度高的社区;针对合并生成的原始社区计算社区中节点的隶属度,再将隶属度小于阈值的节点从社区中移除,从而形成最终的网络重叠社区结构.该算法不仅可以发现重叠的社区结构,还可以处理孤立节点.在Lancichinetti基准网络和真实网络上将CDHC算法与具有代表性的重叠社区发现算法CMP和LFM进行了比较,结果表明:影响社区检测精度的主要因素是社区间的混合程度,而网络规模和网络中社区的规模的影响并不显著;CDHC算法在小社区网络上的社区检测精度优于LFM,在大社区网络上的社区检测精度优于CMP.CDHC算法在保持社区检测质量的同时,还具有较好的稳定性,是一种有效的社会网络重叠社区检测算法.
社会网络、相似度、模糊层次聚类、重叠社区检测
49
TP393(计算技术、计算机技术)
国家自然科学基金资助项目61172090;陕西省科技统筹创新工程资助项目2013SZS16-Z01/P01/K01;中央高校基本科研业务费专项资金资助项目XJJ2014049,XKJC2014008;陕西省自然科学基金资助项目2012K06-30,2014JQ8322
2015-04-03(万方平台首次上网日期,不代表论文的发表时间)
共8页
6-13