复杂网络大数据中重叠社区检测算法

• 作者: Louis Alberto GUTIERREZ 乔少杰 张凯峰 王宏志 邹磊 韩楠
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 复杂网络 大数据 重叠社区检测 模块度 图计算
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 大数据管理技术专刊
• 页码范围: 631-647
• 页数: 17页
• 分类号: TP311
• 字数: 11601字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005155

摘要

提出一种新的面向复杂网络大数据的重叠社区检测算法DOC(detecting overlapping communities over complex network big data),时间复杂度为O(nlog2(n)),算法基于模块度聚类和图计算思想,应用新的节点和边的更新方法,利用平衡二叉树对模块度增量建立索引,基于模块度最优的思想设计一种新的重叠社区检测算法.相对于传统的重叠节点检测算法,对每个节点分析的频率大为降低,可以在较低的算法运行时间下获得较高的识别准确率.复杂网络大数据集上的算法测试结果表明:DOC算法能够有效地检测出网络重叠社区,社区识别准确率较高,在大规模LFR基准数据集上其重叠社区检测标准化互信息指标NMI最高能达到0.97,重叠节点检测指标F-score的平均值在0.91以上,且复杂网络大数据下的运行时间明显优于传统算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹磊	北京大学计算机科学技术研究所	14	121	5.0	11.0
2	王宏志	哈尔滨工业大学计算机科学与技术学院	69	557	12.0	21.0
3	韩楠	成都信息工程大学管理学院	23	155	5.0	12.0
4	乔少杰	成都信息工程大学信息安全工程学院	34	171	6.0	12.0
5	张凯峰	西南交通大学信息科学与技术学院	1	43	1.0	1.0