基于节点重要性与相似性的重叠社区发现算法

作者：付饶; 孟凡荣; 邢艳

来源：计算机工程, 2018, 44(09): 192-198.

DOI：10.19678/j.issn.1000-3428.0048352

• 模糊C均值
• 节点重要性
• 最短路径
• 社区发现
• 谱聚类

在复杂网络中进行重叠社区发现时,现有模糊C均值算法(FCM)采用随机策略导致社区划分结果不一致。为此,提出一种新的重叠社区发现算法。引入节点重要性来量化复杂网络中节点的重要程度,根据节点重要性排序和节点间最短路径选取若干核心节点作为FCM初始的聚类中心节点,从而提高FCM的不稳定性。利用基于s-跳最短路径的节点相似度量方法得到信息更丰富的相似矩阵,以提高算法的准确率。采用谱聚类对相似矩阵处理得到节点的隶属度矩阵,并依据阈值分配各节点的社区归属。实验结果表明,该算法能够得到唯一的社区划分结果,且在Karate、Dolphins数据集上的NMI指标比GCE、INFOMAP和GOPRA等算法高8%以上。

• 单位
  中国矿业大学（北京）; 中国矿业大学