基于核心度和偏移量的社区检测算法

来源：计算机技术与发展杂志2020年第10期北京时间：

作者：辛慧英;刘向阳

摘要：为减少社区检测算法中大量中间结果的计算对社区划分的影响,同时能够准确检测到网络的社区划分以及网络的核心社区,提出了一种基于核心度和偏移量的社区检测算法,其中核心度和偏移量定义了任意节点作为社区核心的程度。 首先针对复杂网络的邻接矩阵,应用广度优先搜索算法计算网络中节点之间的边介数,基于边介数确定网络中每条边的权值,计算得到网络的加权邻接矩阵及全局距离矩阵;然后计算网络节点的核心度和偏移量,来确定社区的核心节点和核心社区;最后对其余节点进行划分以完成社区检测。 在数据集 Karate、Dolphins、Football 上的实验结果表明,该算法具有很好的稳定性,并且可以很好地检测出社区结构,相比其他的方法,该算法复杂度更低,计算量更少,更高效。

关键词：边介数;距离矩阵;核心度;偏移量;核心社区