融入K-核迭代因子的重叠社区发现算法

摘要：

基于局部扩展的重叠社区发现算法,利用社区的局部扩展特性可有效扩展出重叠社区,但是现有算法存在划分结果不稳定和准确性较低等问题,因此提出了一种基于K-核迭代因子和社区隶属度的重叠社区发现算法.该算法引用K-核迭代因子的思想,并且与节点密度值相结合,量化节点的影响力,找出节点影响力最大的节点,提高种子节点选择的稳定性和准确性;同时以影响力大的节点为种子节点,通过节点影响力计算得到邻接节点的社区隶属度,根据社区隶属度选择性地添加邻接节点进行社区扩展,提高社区发现的质量.在人工网络图和真实数据集上进行实验,结果表明所提的算法与现有的算法比较具有较高的稳定性和准确性.

关键词：重叠社区、复杂网络、K-核迭代因子、节点影响力、社区隶属度

所属期刊栏目：56

分类号：TP393(计算技术、计算机技术)

在线出版日期：2020-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：61-67