基于模块度优化的标签传播社区发现算法.pdfVIP

计 算 机 系 统 应 用 2016 年 第 25 卷 第 9 期 212软件技术·算法 Software Technique·Algorithm 基于模块度优化的标签传播社区发现算法① 李 磊, 倪 林 (中国科学技术大学 电子工程与信息科学系, 合肥 230027) 摘 要: 标签传播算法(LPA)是一种快速高效的社区发现算法, 算法无需社区数量等先验信息, 但存在大量随机 性, 稳定性较差. 为了提高标签传播算法的稳定性, 提出了一种改进的标签传播算法(LPAMP). 该算法分为两个 阶段, 第一阶段以模块度贪婪为依据, 进行节点粗聚类; 第二阶段在粗聚类的基础上, 进行节点标签传播. 实验 结果表明, 所提算法降低了标签传播算法的随机性, 增强了稳定性, 并且提高了准确率. 关键词: 标签传播; 社区发现; 模块度; 贪婪; 优化 Community Detection for Label Propagation with Modularity Optimization LI Lei, NI Lin (Department of Electronic Engineering and Information Science, University of Science and Technology of China, Hefei 230027, China) Abstract: Label Propagation Algorithm (LPA) is a fast and efficient community detection algorithm and this algorithm does not need to know the prior information such as the number of communities. However, this algorithm has a large number of randomness, which leads to unstable results. In order to improve the stability of label propagation algorithm, we propose an improved label propagation algorithm (LPAMP). The algorithm is divided into two phases. In the first phase, vertices are clustered roughly by optimizing the modularity greedily; in the second phase, the labels propagate through the network based on the result of the first phase. Experimental results show that the proposed algorithm not only reduces the randomness of the label propagation algorithm, but also improves the stability and increases the accuracy. Keywords: label propagation; community detection; modularity; greed; optimization 网络在现实世界中无处不在. 许多复杂系统, 如 社交网络、交通网络、生物网络等都是网络的不同表 现形式. 研究发现, 复杂网络具有小世界效应[1]、幂律 分布和无标度性[2]. 2002 年, Girvan 和 Newman 等指出 社区结构[3]在复杂网络中广泛存在. 随着计算机和信 息技术的快速发展, 特别是社交网络的出现, 社区结 构的研究显得愈发具有价值, 社区发现在科学研究、 商业推广、公共安全等领域有了越来越多的应用, 得 到了越来越广泛的关注. 社区发现是指将社区中的节点按照连接的紧密程 度划分为不同的类, 同一个类的节点之间连接相对紧 密而不同类的节点之间连接相对稀疏 . 2007 年 , Raghavan[4]等人提出了标签传播算法(LPA), 该算法具 有接近线性的复杂度, 且无需社区数量等先验知识, 适合在大规模网络中进行社区发现, 得到了广泛应用. 然而, 该算法存在具有大量随机性, 社区划分结果不 够稳定, 极易得到一些较差的划分. 在该算法基础上, Barber[5]等提出了一种模块化标签传播算法, 有效地 防止将所有节点划分到一个网络; Corda