摘要: 传统的社团发现算法大多存在划分效果和复杂度相矛盾的问题,为了解决该问题,提出一种新的单社团结构评价标准——社团密合度(group density).在此基础上,设计了一种基于凝聚思想的社团发现算法,该算法通过不断融合小社团,使网络的社团结构向平均社团密合度最大的方向发展,并使用模块度检测算法的划分结果.通过与经典的GN,Fast Newman,LPA等算法对多个数据集进行实验对比,验证了本文算法在获得较好的划分效果的同时具有较低的时间复杂度.
中图分类号:
陈东明, 王云开, 黄新宇, 王冬琦. 基于社团密合度的复杂网络社团发现算法[J]. 东北大学学报:自然科学版, 2019, 40(2): 186-191.
CHEN Dong-ming, WANG Yun-kai, HUANG Xin-yu, WANG Dong-qi. Community Detection Algorithm for Complex Networks Based on Group Density[J]. Journal of Northeastern University Natural Science, 2019, 40(2): 186-191.