基于重叠度与模块度增量的复杂网络社区识别

• 作者: 李宝安 隆华
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 聚集系数 中心节点 重叠社区 重叠节点 模块度增量 重叠度
• 年，卷（期）: 2017,（z1）
• 所属期刊栏目: 网络与通信
• 页码范围: 6-8
• 页数: 3页
• 分类号: TP391
• 字数: 3303字
• 语种: 中文

摘要

在现实网络规模不断增大的同时,其结构也越来越复杂,针对传统社区算法难以高效处理大规模复杂网络数据的问题,提出了一种基于社区重叠度和模块度增量的社区识别方法.首先根据社区节点聚集度较大的特点寻找中心节点,初步划分社区;然后将属于多个社区的重叠节点进行拆分,进而得出社区的重叠度和模块度增量;最后找出模块度增量为零的节点对,从而实现对大规模复杂社区的识别.对重叠度和模块度增量进行了分析,结果表明:所提出的算法能够有效地识别重叠社区,并具有较高的运行效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李宝安	北京信息科技大学计算机学院	19	106	5.0	10.0
2	隆华	北京信息科技大学计算机学院	1	3	1.0	1.0