92_一种基于聚集系数的社区发现算法.pdf

一种基于聚集系数的社区发现算法1 樊梦佳，张仰森 （北京信息科技大学，北京市100192） 摘要：社区划分一直是复杂网络研究中的一个热门话题，社区的快速准确划分为研究复杂网络的性质提供了良好的基础。传统的社区 发现方法都是在全局复杂网络的基础上进行社区划分，随着网络中节点的增加，网络规模的变大，使社区发现变得更为复杂。该文提 出一了种局部社区发现算法，该算法无需知道整个复杂网络的全部信息，只需从一个待求节点出发，考察其与邻接节点的紧密程度， 逐步将邻接点添加到社区中，得到该节点所在的社区结构。同时该算法还可实现全局网络的社区发现。利用该算法分别对Zachary 空 手道俱乐部网络和海豚社会网络进行社区发现，实验结果证明了该算法准确性与可行性。 关键字：局部社区；社区发现；聚集系数 中图分类号：TP311 文献标识码：A Community Detecting Method Based on the Clustering Coefficient Mengjia Fan, Yangsen Zhang (Beijing Information Science and Technology University, Beijing 100192, China) Abstract: Community detection has been a hot topic in the complex network research, the fast and accurate community detection can provide a good foundation for the research of complex network nature. Traditional community detection methods are on the basis of the global community, with the increase of nodes in the network, the size of network becomes larger, so that the community detection becomes more complex. The paper proposed a local community detection method, this method does not need to know the whole complex network information, it just starting from an initial node and calculating the tightness between the initial node and the adjacent nodes. And gradually add the adjacent nodes to the community; finally get this node community structure. Meanwhile, this method can achieve global network community detection. Applied the method to the Zachary karate club network and dolphin social network, and the experimental results demonstrate this method accuracy and feasibility. Keywords: local community; community detection; clustering coefficient 1 引言 现实世界中的许多复杂系统都可以用复杂网络加以表示，例如社会网络、生物网络、电力网络、web 网络等。 通过两个简单的映射，即对象到网络节点的映射与对象间关系到边的映射，可将复杂网络表示成图模型。这种可以 用图模式表示的复杂网络中除了拥有广为人知的小世界与无标度等特性外，还具有极为重要的模块性,即