基于特征向量局部相似性的社区检测算法

• 作者: 杨旭华 沈敏
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 社区检测 特征向量中心性 特征向量局部相似性 特征向量吸引性
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 数据库&大数据&数据科学
• 页码范围: 58-64
• 页数: 7页
• 分类号: TP391
• 字数: 5653字
• 语种: 中文
• DOI: 10.11896/jsjkx.181202433

摘要

社区的发现和分析是复杂网络结构和功能研究中的一个热点.目前广泛应用的社区划分算法存在时间复杂度过高、社区核心数量无法准确量化、划分精度不高等问题.文中提出了一种基于特征向量局部相似性的社区检测算法ELSC.该算法首先计算网络中每个节点的特征向量中心性,在此基础上提出了特征向量局部相似性(ELS)和特征向量吸引性(EA)指标.ELS指标表示节点之间的相似性,用来形成初始社区,在同一个社区内部节点之间的相似性较高,在不同社区节点之间的相似性较低;EA指标同时考虑了局部相似性和特征向量中心性的占比,表示节点之间的吸引性,用来优化初始社区,并在此基础上完成网络的社区划分.该算法由最值确定节点,避免了节点数量阈值不确定的问题.在7个真实网络上将所提算法与6种知名算法的模块度和标准化互信息两个指标进行综合比较,结果表明,该算法具有良好的准确性,并且具有较低的时间复杂度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨旭华	浙江工业大学计算机科学与技术学院	31	275	7.0	16.0
2	沈敏	浙江工业大学计算机科学与技术学院	1	1	1.0	1.0