基于链接相似性聚类的重叠社区识别

谢谢侬

摘 要： 社区结构是社会网络最普遍和重要的拓扑属性之一，提出一种基于链接相似性聚类的重叠社区识别算 法．该算法首先根据相邻链接的度分布状态，提出链接间的相似性度量方法；其次以链接相似性矩阵为输入，以链接社 区的最优划分为目标，建立链接局部相似性聚类算法，实现了重叠社区的有效识别；然后对链接社区进行优化，解决了 可能出现的过度重叠及孤立社区问题；最后在真实网络及人工合成网络上的实验验证了算法的高效性．

关键词： 社区识别；链接社区；局部链接相似性度量；层次聚类；重叠社区
- n4 u2 C9 A" X7 [
& o' z; A" Y& Q. n5 l

# C5 M$ \  D5 N- c2 B- J- S      网络社区在信息传播与推荐、舆情预警、链接预测 等领域有重要作用，因而社区识别成为当前的研究热 点．目前该领域已有大量的研究成果，从社区识别结果 上可分为硬社区识别和重叠社区识别．起初硬社区识别 算法深受关注，最近研究者发现重叠现象是社会网络的 重要特征，进而展开了重叠社区识别的研究，当前有代 表性的重叠社区识别算法有基于派系的方法、局部扩展 优化方法、模糊探测法等，Ｆｏｒｔｕｎａｔｏ在文献［１］中进行了 详尽的分析和对比．
' |# T/ C& |' C! y" H
$ h  R3 k' {7 j; u9 ?6 ~( B' Y
附件下载：

游客，如果您要查看本帖隐藏内容请回复

& j$ W- z3 l) I9 G6 T! y& }$ v

QqWw11

局部链接相似性度量