拓扑结构与节点属性综合分析的社区发现算法

来源：计算机技术与发展杂志2018年第04期北京时间：

作者：张振宇;朱培栋;王可;胡慧俐

摘要：社交网络的社区发现对于理解网络功能、识别网络连接层次性及预测社交网络用户的复杂群体行为有着极其重要的基础性作用。 鉴于现有社区发现算法通常只基于拓扑结构或节点属性单种因素提出,提出一种综合两方面因素的社区发现算法。 该算法首先基于 Spearman 相关系数对初始数据进行去相关性处理,避免后续分析的相关性误差；然后引入后验概率理论进行稳定性赋权,综合拓扑与属性两影响因素；最后根据模糊传递闭包原理,从关系变换的角度进行社区发现。 与经典社区发现算法相比,该算法不仅提高了社区发现的准确性,且在一定程度上解决了社区结构中网络动态性影响及社区层次性问题。

关键词：社区发现;Spearman 相关性;后验概率;模糊传递闭包;社区层次