基于节点重要性和局部扩展的重叠社区发现算法

• 作者: 尤凯丽 李昕泽 郭峰
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 社交网络 重叠社区 局部扩展 LeaderRank
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 专栏·Web信息系统及应用
• 页码范围: 2906-2911
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.12.019

摘要

在DOCNet算法基础上,对初始节点选取和节点隶属度计算方法进行改进,形成一种新的重叠社区发现算法DOCLLE.首先采用经典重要性排名算法LeaderRank对节点重要性进行排序,选取出重要性最高的节点及其邻节点组成初始社区.另外结合局部相似度概念重新定义节点隶属度,最后通过质量函数将符合标准的节点加入到已有社区.算法在人工生成网络和真实网络上进行实验,并对比了四种重叠社区发现算法,实验结果表明该算法在节点较多的社区结构划分上有较好的准确性和稳定性.