复杂网络中重叠社区检测.pdfVIP

CN 43—1258／TP 计算机工程与科学 第 35卷第 12期 2Ol3年 l2月 ISSN 1007—13OX ComputerEngineering Science Vo1．35，No．12。Dec．2013 文章编号 ：1007一l30X(2013)12—0076—08 复杂网络中重叠社区检测 张振宇，张 珍，杨文忠，吴晓红 (新疆大学信息科学与工程学院，新疆 乌鲁木齐 830046) 摘 要：社 区检测是研究复杂网络结构的基础 。在分析现有重叠社 区检测算法的基础上，提 出了一种 基于边的重叠社区发现算法 SAEC。算法将社 区看成是 由边构成的集合 ，通过定义边的相似度 ，得到概率 转移矩阵。利用谱聚类方法 自动确定社区数 目，最后调用 K—means算法实现重叠社 区划分。通过随机 生 成 网络和真实网络的测试 ，验证 了该算法的有效性 。 关键词 ：网络社 区；谱聚类；边 ；检测 中图分类号：TP393．O2 文献标志码 ：A doi：10．3969／．issn．1007—130X．2013．12．012 Detectingoverlappingcommunitiesincomplexnetworks ZHANG Zhen—yu，ZHANG Zhen，YANG W en—zhong，W U Xiao—hong (SchoolofInformationScienceandEngineering，XinjiangUniversity，Urumqi830046，China) Abstract：Communitydetectionisthekeyproblem instudyingcomplexnetworkstructure．Anover— lappingcommunitydetectionalgorithm SAEC basedonedgesisproposedbasedontheanalysisofthose existingmeans．TheSAEC algorithm regardsthecommunityasasetofedges，definestheedgesimilari— tyandobtainsthetransitionprobabilitymatrix．Usingspectralclusteringmethod，thenumberofcorn— munitiesisautomatically determinedby calculating theeigenvaluesand eigenvectorsofthetransition probabilitymatrix． Then，theoverlapping community detection iscompleted byK—meansalgorithm． Theeffectivenessofthealgorithm isverifiedbyrandomlygeneratedtestnetworksandrealnetworks． Keywords：networkcommunity；spectralcluster；edge；detection 好、家庭等多个不同的社区。如果将节点严格地划 l 引言 分到某个社区中，不能反映出真实世界中节点与社 区的实际关系 ，因此重叠社区的发现更符合真实世 现实世界 中的很多复杂系统都可 以抽象成一 界的社区组织规律 。 个网络 ，例如 ，社会网络 、生物网络 、通信网络 以及 目前 ，多数社 区划分方法基于网络 中的节点特 互联网等。作为研究网络结构的基础，揭示网络中 性而忽略了边的作用 。在复杂网络结构中，边反映 的社区结构对研究 网络的功能和分析网络的组成