一种基于加权共同邻居相似度的局部社区发现算法

• 作者: 刘井莲 张凤斌 赵卫绩
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 局部社区发现 共同邻居相似度 加权邻居节点 社区结构
• 年，卷（期）: 2018,（4）
• 页码范围: 751-757
• 页数: 7页
• 分类号: TP391
• 字数: 4335字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2018.04.010

摘要

传统的社区发现算法能够找出网络中所有的社区,其时间复杂度取决于网络的规模.挖掘大网络中的全局社区结构因为时间复杂度高而难以实现,局部社区发现作为一种不需要知道网络的整体结构,从给定的节点逐步向外扩展,寻找该节点所在社区的方法,在大网络时代具有重要的应用意义.目前这方面的研究已经获得广泛关注,并提出了很多局部社区发现算法.针对已有局部社区发现算法需要人工设置参数、准确率低的问题,提出一种新的局部社区发现算法.首先,提出一种加权邻居节点的共同邻居相似度指标,用于计算网络中两个节点间的相似度;然后,基于该相似度指标,给出一种新的局部社区质量度量指标,在保证社区度量指标不下降的前提下,不断选择与当前局部社区嵌入度最大的节点加入到局部社区,逐步找出给定节点所在的社区;最后,在真实网络和仿真网络数据集上进行了实验.实验结果表明,该算法能有效地挖掘出给定节点所在的局部社区,相比具有代表性的Clauset,LWP,GMAC等局部社区发现算法有更高的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张凤斌	哈尔滨理工大学计算机科学与技术学院	62	312	8.0	14.0
2	赵卫绩	哈尔滨理工大学计算机科学与技术学院	42	82	5.0	6.0
4	刘井莲	绥化学院信息工程学院	46	92	5.0	6.0