基于加权图传播最优化的网络社区检测算法

社交网络中的社区检测作为数据挖掘领域的热门研究课题，具有很大的应用价值。然后现有的方法大多需要利用网络拓扑结构作为先验知识，但是在真实网络中很难获取网络拓扑数据，造成了扩展性差、准确度低的问题。为解决此问题，提出了一种基于传播级联最大化的社区检测算法N-CD(Neighbor Community Detection),利用条件随机场(Conditional Random Field, CRF)对网络中传播级联的时间序列进行建模，捕捉邻居节点之间影响力传播与社区划分的关系特征，然后采用最大似然估计的方式对构建的概率图模型进行推理优化，从而得到最优的网络社区划分。实验表明，N-CD算法在真实数据集上取得了最优的检测结果，在准确度和社区数量上都更加接近真实的社区划分。