摘要

针对标签传播算法稳定性不足、准确性较差的问题,提出了融合k-shell和标签熵的标签传播重叠社区发现算法OCKELP。首先,采用k-shell算法减少标签初始化时间,利用了标签熵的更新序列提高算法稳定性;其次,引入了综合影响力进行标签选择,将社区层次信息和节点局部信息融合提高了算法的准确性;最后,在真实社区数据集和人工网络数据集上对算法进行了实验验证。实验结果表明OCKELP算法在真实社区数据集上相比于COPRA、OMKLP、SLPA算法的模块度最大提升分别约68.64%、53.99%、42.29%,在人工网络数据集的NMI值上相比于其他三种算法也有着明显优势,且随着重叠节点隶属社区数量的增加也可以挖掘出社区的真实结构。