一种复杂网络重叠社区检测算法.pdfVIP

摘要 复杂网络可以用来描述互联网、社会关系网络、生物网络、通信网络、WWW等。随着对 复杂网络的深入研究，研究者们发现很多实际网络中都具有社区结构，而且社区间存在彼 此重叠和相互关联特性。作为研究复杂网络结构的基础，重叠社区划分已成为复杂网络研 究的关键问题。 在复杂网络结构中，边反映的是网络中节点之间的互动、合作、相互影响等关系，其 只能属于一个社区。因此，利用边特性实现社区划分，可以使划分结果更真实地反映节点 在复杂网络中的角色和功能。基于这种考虑，本文提出一种基于边的复杂网络重叠社区检 测算法（Spectral Analysis Based on Edge Clustering，SAEC ）。算法将社区看作是由 边组成的集合，将原始网络中的边表示成线图中的节点。根据基于概率转移矩阵的谱聚类 的基本原理，定义节点的相似度并构造核矩阵，得到概率转移矩阵，计算概率转移矩阵的 特征值和特征向量，找到最大特征区间对应的 k 值，提取前 k 个特征向量，结合 K-Means 算法进行边聚类，根据聚类结果得到边社区和社区间的重叠节点。 为了验证算法的性能，本文选择在空手道网络、海豚社会网络、词关联网络、科学家 合著网等真实网络上进行测试，并与NEWMAN快速算法、CPM、EAGLE、基于边的层次聚类等 算法在划分结果、划分精度和运行时间方面进行对比分析。实验结果表明，本文算法能正 确实现复杂网络重叠社区划分，并具有较低的时间复杂度。 关键词：复杂网络；重叠社区；线图；谱聚类；相似度 I Abstract Complex network can be used to describe Internet, Social relationship network, Biological network, Industrial communication network, WWW etc.. Along with the in-depth study of complex networks, researchers have found that a lot of actual networks have community structure, and there are overlapping and interrelated characteristics between communities. As a basis for researching complex network structure, the division of overlapping communities has become the key issue of the study of complex networks. In the complex network structure, edge reflects the interaction, cooperation, mutual influences relations between nodes in the network, it can only belong to a single community. Therefore, the implementation of community division by using the edge characteristic can make results reflect the role and function of nodes in complex networks more truly. Based on this consideration, this paper presents an overlapping communities detection algorithm based on edges in complex networks(Spectral Analysis