计算机研究与发展 ›› 2018, Vol. 55 ›› Issue (8): 1619-1630.doi: 10.7544/issn1000-1239.2018.20180187
所属专题: 2018数据挖掘前沿进展专题
杜航原1,王文剑2,白亮2
Du Hangyuan1, Wang Wenjian2,Bai Liang2
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.
中图分类号: