自底向上的社区发现算法中大多利用局部相似度对网络进行划分,其结果会导致一些节点的错误划分、子社区划分数目比较多以及出现社区结构不稳定等问题.针对这些问题,提出一种基于相似度的双向合并社区发现算法PMCD(Pairwise M erging Com...
详细信息
自底向上的社区发现算法中大多利用局部相似度对网络进行划分,其结果会导致一些节点的错误划分、子社区划分数目比较多以及出现社区结构不稳定等问题.针对这些问题,提出一种基于相似度的双向合并社区发现算法PMCD(Pairwise M erging Community Detection).在PM CD算法中,考虑社区节点间的相似度属性,利用节点之间的共同邻居为节点间的边分配权重,通过边权重将网络划分成小社区;计算未分配社区的节点与小社区之间的相似度,对小社区进行扩展,形成子社区;结合社区结构特性,计算模块度的变化值来判断子社区是否进行双向合并,直到形成最终社区.将PMCD算法在不同的数据集上进行比较与分析,实验结果表明,PMCD算法发现的社区接近真实结果,并且在获取高质量社区及运行时间方面具备一定的优势.
暂无评论