基于节点局部相似性的两阶段密度峰值重叠社区发现方法 |
| |
引用本文: | 段小虎,曹付元.基于节点局部相似性的两阶段密度峰值重叠社区发现方法[J].计算机科学,2022(12):170-177. |
| |
作者姓名: | 段小虎 曹付元 |
| |
作者单位: | 1. 山西大学计算机与信息技术学院;2. 山西大学计算智能与中文信息处理教育部重点实验室 |
| |
基金项目: | 国家自然科学基金(61976128);;山西省应用基础研究计划项目(201901D111035)~~; |
| |
摘 要: | 为了有效地发现复杂网络中的重叠社区结构,引入了密度峰值聚类算法,但将此算法应用于社区发现还存在如何度量节点间距离、如何产生重叠划分结果等问题。为此提出了一种基于节点局部相似性的两阶段密度峰值重叠社区发现方法(Node Local Similarity Based Two-stage Density Peaks Algorithm for Overlapping Community Detection, LSDPC)。该方法结合大度节点有利指标和连接贡献度定义了一种新的节点局部相似性指标,首先通过节点局部相似性度量节点距离;然后通过节点的局部密度和最小距离计算节点中心值,利用切比雪夫不等式筛选出社区中心节点;最后经过初次划分与重叠划分两阶段得到最终的重叠社区划分结果。在真实网络数据集与合成网络数据集上的实验结果表明,所提算法可以有效发现重叠社区结构,且结果优于其他对比算法。
|
关 键 词: | 重叠社区发现 密度峰值 节点相似性 k近邻 隶属度 |
|