基于节点重要性与相似性的重叠社区发现算法

来源：计算机工程杂志2018年第9期北京时间：

作者：付饶,孟凡荣,邢艳

单位：中国矿业大学 计算机科学与技术学院,江苏 徐州 221116

摘要：在复杂网络中进行重叠社区发现时,现有模糊C均值算法(FCM)采用随机策略导致社区划分结果不一致。为此,提出一种新的重叠社区发现算法。引入节点重要性来量化复杂网络中节点的重要程度,根据节点重要性排序和节点间最短路径选取若干核心节点作为FCM初始的聚类 中心节点,从而提高FCM的不稳定性。利用基于s-跳最短路径的节点相似度量方法得到信息更丰富的相似矩阵,以提高算法的准确率。采用谱聚类对相似矩阵处理得到节点的隶属度矩阵,并依据阈值分配各节点的社区归属。实验结果表明,该算法能够得到唯一的社区划分结果 ,且在Karate、Dolphins数据集上的NMI指标比GCE、INFOMAP和GOPRA等算法高8%以上。

关键词：模糊C均值,节点重要性,最短路径,社区发现,谱聚类

基金资助：国家重点研发计划项目(2016YFC0600908);国家自然科学基金(61402482,61572505,51674255)。