基于节点向量和密度峰值的重叠社团检测方法

作者：邓治文; 许英^*; 曹璐

来源：哈尔滨商业大学学报(自然科学版), 2022, 38(06): 735-741.

DOI：10.19492/j.cnki.1672-0946.2022.06.011

• 社团检测
• 重叠社团结构
• 节点向量
• 密度峰值
• 标签传播
• 归属度

在真实世界网络中，数据量往往较大、维度较高，这使得数据难以处理，并且所包含的社团大多重叠，而大多数已经存在的算法针对的是非重叠社团，基于改进的密度峰值和标签传播的重叠社团检测算法(DPCL算法).采用低维向量表示网络中节点信息，根据节点的局部密度和相对距离选出中心节点.将只与一个中心节点直接相邻的节点分配到该中心节点所在的社团内，对剩余节点通过计算归属度进行分配，从而实现对重叠社团进行检测；在真实世界网络和LFR基准合成网络上与其他社团检测方法进行比较，实验结果表明能够有效的检测重叠社团.

• 单位
  新疆财经大学