作者：冯健; 史丹丹; 罗香玉; 叶鸥社团发现层次聚类节点重要性社团接近度
摘要：社团发现能够揭示复杂网络的拓扑结构特性。针对现有社团发现算法社团初始节点选择随机、相似度计算过分依赖节点间共享邻居以及需要事先设定社团个数等问题,依托层次聚类思想提出基于节点重要度和社团接近度的社团划分算法。首先引入节点重要度的定义并给出重要节点的计算模型,根据该模型得到最重要节点作为社团的初始聚类中心;然后兼顾节点的共享关系和直接影响定义节点的社团接近度,依据社团接近度指标寻找与社团最接近的节点,根据该节点的加入为社团带来的局部模块度增量判断是否将其加入到已有社团。首个社团划分完毕后,重复选取初始聚类中心并构造社团的过程,直到没有可归入社团的节点。在2个典型复杂网络数据集上进行了测试,并与Girvan-Newman算法和Newman快速算法从准确率和模块度进行对比,实验结果表明所提算法在社团数目未知的前提下能够获得更好的社团划分结果。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
