基于边模式社团检测算法.docVIP

基于边模式社团检测算法 　　摘 要： 为了检测网络的社团结构，提出基于统计推理的边模式社团检测方法，在计算机生成的网络中和实际网络检测了算法的可行性和准确性，并与现有的两种基于边模式的社团检测方法做了比较。实验表明，所提出的方法可以快速有效地检测出重叠社团，在性能上优于后两种方法。 关键词： 复杂网络； 社团结构； 边模式； 网络检测 中图分类号： TN911?34 文献标识码： A 文章编号： 1004?373X（2013）14?0031?04 Link model based detection algorithm of community structure in complex networks GAO Hong?yan， QIAN Yu， LIU Fei （Baoji University of Arts Science， Baoji 721016， China） Abstract： The link model community detection method based on statistic inference is proposed in the paper to detect community structure of networks. The feasibility and accuracy of the algorithm were tested in both the synthetic networks and actual networks. It was compared with other two available community detection methods based on link model. It turns out that the proposed method can find out the overlapping communities rapidly and its performance is better than that of the previous methods. Keywords： complex network； community structure； link model； network detection 0 引 言 对复杂网络结构和功能的研究近年来成了各学科专家探讨的热点问题[1?2]。社团结构是复杂网络中研究的最核心的问题之一，社团是将复杂网络的点集按照一定的规则划分的子集，在子集内部，各点联系相对紧密，而在各子集之间，点的联系相对稀疏。社团结构是复杂网络最重要的特性之一，揭示网络的社团结构对了解网络结构和功能非常重要[3]。到目前为止，人们提出了各种揭示社团结构的方法，大致基于谱分的思想，层次聚类法，基于优化的思想。基于谱分的思想主要通过计算特殊矩阵的特征向量来进行社团的划分[4?5]；层次聚类法又分分裂算法和凝聚算法，最经典的就是GN算法和Newman快速算法。GN算法是通过不断地从网络中移除介数最大的边将网络逐步细化若干个社团[6]。Newman快速算法按照一定的规则向原始空网中添加边来实现的[7]。基于优化的思想有Kernighan?Lin算法[8]，极值优化算法等等[9]，这些算法主要通过最优化目标函数来实现社团划分的。当然，还有许多将两种或以上算法结合起来的变种算法，如结合谱分析的凝聚算法等[10]。这些算法的一个共同特点就是划分社团时，将网络中的点进行划分，它们都属于基于点模式的社团发现算法，当然，由于点模式社团发现由来已久，所以算法比较成熟。但是研究发现，这些算法只能将节点划分到一个社团当中，对于那些存在着大量的重叠节点的社团的检测效果并不理想。而实际当中，这种网络却大量存在，比如社会网中，个体由于不同的关系可能属于不同的社团，如：朋友关系，家庭关系，工作关系等。再如科学合作网，作者根据研究兴趣可属于不同的研究团体。 科学家们也提出了一些发现重叠社团的方法，如派系过滤法[11]，基于模块度的扩展定义的思想，以及基于优化的思想[12]。这些都是从点的角度来划分社团。本文另辟蹊跷，将社团定义为边的划分，而非点的划分。这样，与点关联的边可属于多个社团，点也就属于多个社团。 基于边模式的社团划分由T.S.Evans首次提出，它通过构造线图实现社团划分[13]，后来，Ahn将在基于节点相似的的聚类算法基础上提出了基于边相似性的聚类方法[14]。本文在研究前人算法的基础上，受任伟的简单概率算法启发[15]，提出一种新的基于统计推理的边模式社团发现算法。 1 基于线图的划分方法 线图是图论中的一个概念，可以为任何一个图G构造线图L（G），