复杂网络社区挖掘——改进的层次聚类算法.pdfVIP

技璋句:茹站 Techn阳 ana MemO 复杂网络社区挖掘一一改进的层次聚类算法 郑浩原，黄战 (暨南大学信息科学技术学院计算机科学系，广东广州 510632) 摘要:社区挖掘算法研究是复杂网络分析领域的热点问题。传统层次聚类算法在复杂网络社区 挖掘过程中，需妥计算所有顶点对之间的相似度。针对这一缺点，在详述了常见相似度计算方法和顶 点重要性度量方法的基础上，将 ego 角色的探测过程引入层次聚类算法，而后只计算其他顶点与 ego 顶点之间的相似度，提高了社区挖掘效率。最后在不同类型的现实网络中验证了算法的有效性。 关键词:复杂网络;社区挖掘;层次聚类 中图分类号: TP399 文献标识码 :A 文章编号: 1674-7720(2011) 16-∞85-04 Community detection in complex networks-an improved hierarchical clustering algori世un Zheng Haoyuan , Huang Zhan (Deptartment of Computer Science , Institute of Information Scienc注 Technology , Jinan University , Guangzhou 510632 , China) Abstract: Community detection has been a hot topic in the analysis of complex networks. Tmditional hierarchical clustering al- gorithm has to compute each pair of vertices in the process of community detecting. To address this weakness ,after the description of normal similarity calculation method and measures of the centrality of vertices ,a ego actor detecting process added to the hierarchi- cal clutering method , then only compute similarity between ego vertex and other vertices ,to improve the efficiency of community de- tecting. Finally , real network experiments show that this improved algorithm is effective. Key words: complex networks; community detection; hierarchical clustering 复杂网络表示现实世界中具有网络结构特性的诸 多系统，它通常具有显著的社区结构，同质顶点聚集在 同一社区，异质顶点分布于不同社区，表现为社区内部 顶点之间连接边稠密，社区之间连接边数量相对稀疏[1] 0 社区挖掘是复杂网络分析领域的热点问题，可以将现有 的社区挖掘算法归纳为三大类 [2J. 基于优化的算法、启 发式算法以及其他算法。基于相似度的层次聚类算法 [3J 属于其他算法，这类算法不需要任何先验知识就可以有 效地发现复杂网络中的社区结构。当前的层次聚类算法 的主要缺点是需要计算所有顶点对之间的相似度，时间 复杂度为 O(的 ， n 表示图中顶点数量，不适用于大规模 网络分析。针对这→缺点，受到社交网络分析相关方法 的启发，本文提出一种改进的层次聚类算法。 社交网络分析 [4J是复杂网络分析的二个分支，社交 网络中有→类 Ego Networks ，表现为有一个中心结点(即 吨。) ，图中所有其他结点(称为 alters) 与中心结点直接连 接， alter 之间也有边相连。社会学理论[5J指出，关系紧密 《微型机与应用~ 2011 年第 30 卷第 16 期 的角色之间相似度偏高，如果两个角色之间共同点越 多，则这两者就越有可能是朋友或者具有紧密的联系。 当与某确定角色比较，角色 A 与角色 B 的相似度值接 近时，可以认为角色 A 与 B 具有某种同质性。基于这一 理论，对层次聚类算法进行改进，在探测出网络中扮演 ego 角色顶点的前提下，计算其他顶点与 ego 的相似度， 而不是计算所有顶点对之间的相似度，此种情况下，算 法时间复杂度为 O(时，计算负荷与网络规模呈线性相关。 实验结果表明，该算法可能在准确