计算机应用

作者：付立东, 郝伟, 李丹, 李凡

单位：1. 西安科技大学 计算机科学与技术学院, 西安 710054;2. 西安电子科技大学 计算机科学与技术学院, 西安 710071

关键词：共邻节点,相似度度量,节点局部影响力,模块度,社区划分

基金：国家自然科学基金资助项目（61432010，61502363）；西安科技大学博士后科研启动项目（2018QDJ049）。

复杂网络中的社区结构能帮助人们认识网络的基本结构及其功能。针对目前多数社区划分算法准确率低、复杂度高的问题，提出了一种基于共邻节点相似度的社区划分算法。首先，为了计算节点间相似度值，提出了相似度模型，该模型通过将被测节点对的邻居节点引入一并计算，提高了相似度度量的准确性；然后，计算节点局部影响力值，能客观地表现出节点在所处网络中的重要性；其次，结合节点相似度值和节点局部影响力值对节点进行层次聚类，完成网络社区结构的初步划分；最后，通过聚合初步划分的子社区，获得复杂网络的最优模块度值。仿真结果表明，在网络的社区特征模糊时，与新的基于局部相似度的社区发现算法（CDALS）相比，所提算法的准确率提高了14%，证明了所提提法更能够准确、有效地划分复杂网络的社区结构。

来源：2019年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第7期