基于链接相似性聚类的重叠社区识别

• 作者: 张健沛 张桂杰 杨静 辛宇
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 社区识别 链接社区 局部链接相似性度量 层次聚类 重叠社区
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 学术论文
• 页码范围: 1329-1335
• 页数: 7页
• 分类号: TP301
• 字数: 5893字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2015.07.012

摘要

社区结构是社会网络最普遍和重要的拓扑属性之一,提出一种基于链接相似性聚类的重叠社区识别算法.该算法首先根据相邻链接的度分布状态,提出链接间的相似性度量方法;其次以链接相似性矩阵为输入,以链接社区的最优划分为目标,建立链接局部相似性聚类算法,实现了重叠社区的有效识别;然后对链接社区进行优化,解决了可能出现的过度重叠及孤立社区问题;最后在真实网络及人工合成网络上的实验验证了算法的高效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张健沛	哈尔滨工程大学计算机科学与技术学院	156	1356	19.0	28.0
2	杨静	哈尔滨工程大学计算机科学与技术学院	178	2073	24.0	37.0
3	辛宇	哈尔滨工程大学计算机科学与技术学院	21	175	7.0	13.0
4	张桂杰	哈尔滨工程大学计算机科学与技术学院	13	74	5.0	8.0