面向属性网络的重叠社区发现算法

作     者：杜航原 裴希亚 王文剑 DU Hangyuan;PEI Xiya;WANG Wenjian

作者机构：山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学)太原030006 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2019年第39卷第11期

页      面：3151-3157页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61902227,61673295,61773247) 山西省应用基础研究计划青年项目(201701D221097) 

主　　题：属性网络 重叠社区发现 密度峰值聚类 社区中心 节点隶属度 

摘      要：针对现实世界的网络节点中包含大量属性信息并且社区之间呈现出重叠特性的问题,提出了一种面向属性网络的重叠社区发现算法。融合网络的拓扑结构和节点属性定义了节点的密集度和间隔度,分别用于描述社区内部连接紧密和外部连接松散的特点。基于密度峰值聚类的思想搜索局部密度中心作为社区中心,在此基础上给出了非中心节点关于各个社区的隶属度的迭代计算方法,实现了重叠社区的划分。在真实数据集上进行了仿真实验,实验结果表明所提算法相对于LINK、COPRA和DPSCD能获得更好的社区划分结果。