| 基于网络节点极大团的社团检测算法 |
| |
| 作者姓名： | 卢鹏丽 杨亚磊 |
| |
| 作者单位： | 兰州理工大学 计算机与通信学院, 甘肃 兰州 730050 |
| |
| 基金项目： | 甘肃省自然科学基金 (23JRRA770),甘肃省高校产业支撑项目(2023CYZC-25) |
| |
| 摘 要： | 社团结构检测有助于揭示复杂网络的结构-功能特性,目前已有的社团检测算法在其研究过程中存在着分辨率限制、节点不确定性以及需要先验参数等问题.为了解决此类问题,提出了一种基于网络节点极大团的社团检测算法(BMC).BMC算法将网络中的节点极大团设为初始节点群组,依据提出的极大团局部相似度和局部团组关系对节点群组进行分级聚类合并,以此挖掘出网络中的社团结构.针对在社团结构挖掘过程中出现的节点不确定性问题,通过模块度矩阵提出了模块隶属度对网络中的单邻居节点和重叠节点进行优化.为了验证BMC算法对网络社团结构挖掘的准确性,在5个真实网络数据集上与5种算法进行实验对比.通过3种衡量指标得到的实验结果表明,BMC算法能够准确地检测出网络中的社团结构.
|
| 关 键 词： | 复杂网络 社团检测 极大团 模块度矩阵 |
| 收稿时间： | 2022-05-10 |
|
| 点击此处可从《兰州理工大学学报》浏览原始摘要信息 |
|
点击此处可从《兰州理工大学学报》下载全文 |
|
