基于重要结点的社区发现算法

作者：王鑫; 左万利; 朱枫彤; 王英^*

来源：山东大学学报(理学版), 2018, 53(11): 67-77.

• 复杂网络
• 社区相似
• k-means算法
• 社区发现

复杂网络中内部的社区结构是复杂网络结构特征和属性特征的具体体现。首先依据模块度最大化理论计算网络的模块度矩阵的最大k特征向量矩阵;然后提出聚类中心方法,并用于求出k个社团的重要结点作为k聚类中心,利用欧几里得距离计算每一个结点到k个聚类中心的距离,将结点分配到距离聚类中心最近的社区中;最后对网络应用k-means方法进行迭代计算,得到k个社区的划分。分别在Karate Club Network和American College Football数据集上对算法进行了实验验证,实验结果表明该算法可以有效发现潜在社区,其纯度与模块度比已有的社区发现算法都有一定的提高,并且迭代次数较少,效率较高。

• 单位
  吉林大学; 长春工程学院