复杂网络大数据中重叠社区检测算法

来源：软件学报杂志2017年第3期北京时间：

作者：乔少杰,韩楠,张凯峰,邹磊,王宏志,Louis Alberto GUTIERREZ

单位：乔少杰，成都信息工程大学 信息安全工程学院, 四川 成都 61022511,韩楠，成都信息工程大学 管理学院, 四川 成都 61010302,张凯峰，西南交通大学 信息科学与技术学院, 四川 成都 61175603,邹磊，北京大学 计算机科学技术研究所, 北京 10087104,王宏志，哈尔滨工业大学 计算机科学与技术学院, 黑龙江 哈尔滨 15000605,Louis Alberto GUTIERREZ，Department of Computer Science, Rensselaer Polytechnic Institute, New York, USA06

摘要：提出一种新的面向复杂网络大数据的重叠社区检测算法DOC（detecting overlapping communities over complex network big data），时间复杂度为O（nlog2（n）），算法基于模块度聚类和图计算思想，应用新的节点和边的更新方法，利用平衡二叉树对模块度增量建立索引，基于模块度最优的思想设计一种新的重叠社区检测算法.相对于传统的重叠节点检测算法，对每个节点分析的频率大为降低，可以在较低的算法运行时间下获得较高的识别准确率.复杂网络大数据集上的算法测试结果表明：DOC算法能够有效地检测出网络重叠社区，社区识别准确率较高，在大规模LFR基准数据集上其重叠社区检测标准化互信息指标NMI最高能达到0.97，重叠节点检测指标F-score的平均值在0.91以上，且复杂网络大数据下的运行时间明显优于传统算法.

关键词：复杂网络;大数据;重叠社区检测;模块度;图计算

基金资助：国家自然科学基金（61100045，61363037）；教育部人文社会科学研究规划基金（15YJAZH058）；教育部人文社会科学研究青年基金（14YJCZH046）；成都市软科学项目（2015-RK00-00059-ZF）；四川省教育厅资助科研项目（14ZB0458）