一种基于交叉熵的社区发现算法

摘要：

作为复杂网络中的一个极其重要的研究领域，社区结构的搜寻和发现研究具有重要的应用价值。该文将信号处理领域的交叉熵概念引入到网络社区结构的发现算法中，提出了一种基于交叉熵的社区发现算法。算法利用 Modularity 值作为判别依据，使用交叉熵方法中的重要抽样方法提高收敛速度，从而在提高社区发现算法运算效率的同时，提高算法的精确性。针对计算机生成网络的社区划分结果表明，该算法所得 MNI 值和划分正确节点所占比例高于 Girvan-Newman 算法。在真实网络上的仿真结果表明，该社区划分算法的 Modularity 值高于Girvan-Newman 算法，且不低于极值优化算法，进一步验证了该文提出算法的社区划分准确性优于已有的 Girvan-Newman 算法和极值优化算法。

关键词：复杂网络、社区发现、交叉熵

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金61374178，61402092;辽宁省自然科学基金201202076;中央高校基本科研业务费专项资金N130417004，N130317001资助．

在线出版日期：2015-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1574-1581