基于网络拓扑与节点元数据的社团检测算法

来源：计算机工程杂志2018年第11期北京时间：

作者：刘宇廷,毕海滨,郭强,倪颖杰

单位：江南计算技术研究所,江苏 无锡 214000

摘要：传统社团检测算法利用网络拓扑挖掘社团结构,忽略了真实复杂网络中节点自身属性等信息在社团归属方面的重要作用。为此,提出基于网络拓扑与节点元数据的复杂网络社团检测算法。将高维的节点元数据建模为混合高斯模型,结合随机块模型建立似然概率模型,通过求解模型最优解得到网络的最优划分结果。在基准网络与Facebook网络上的实验结果表明,该算法不仅能准确挖掘网络中的社团结构,而且可结合真实社团情况给出合理解释

关键词：复杂网络,社团检测,节点元数据, 高斯混合模型,随机块模型

基金资助：国家自然科学基金(91430214);“核高基”重大专项(2015ZX01040-201)