基于最短路径特征的社团发现算法

• 作者: 乐光学 杨艳新 熊小峰
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 社团结构 最短路径 中介系数 相似度
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 网络与系统
• 页码范围: 1034-1040
• 页数: 7页
• 分类号: TP301.6
• 字数: 3818字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2016.08.015

摘要

为了准确快速地挖掘社团结构，提出基于最短路径特征的社团发现算法SPCDA（Shortest Path feature community discovery algorithm）。该算法是基于最短路径特征的启发，根据最短路径数目的特征计算每个节点的中介系数而获取社团中心，并由其长度的特征计算节点之间的相似度值。然后，取所有节点的平均相似度值作为划分社团的阈值，构成类似于聚类的模型。最后，将与社团中心的相似度值大于阈值的节点进行归类，按照此过程不断迭代，至节点集为空。将该算法应用于人工合成网络和两个经典的真实社会网络，并与GN算法和LPA算法进行比较，结果证明SPCDA算法能够准确、快速地挖掘隐藏的社团结构。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乐光学	江西理工大学理学院	67	251	9.0	13.0
3	熊小峰	江西理工大学理学院	25	63	4.0	6.0
6	杨艳新	江西理工大学理学院	1	0	0.0	0.0