基于度系数社团分裂算法.docVIP

基于度系数社团分裂算法 　　摘要：复杂网络社团划分中的分裂算法是比较经典的算法，本文通过引入度系数这一局部变量，通过运用kruksal算法对经典的GN算法进行适当改进，提高了搜索效率，并通过对其模块度特征的分析，表明了结果的准确性。 　　关键词：度系数；社团划分；模块度 　　中图分类号：TP181文献标识码：A文章编号：1007-9599 (2012) 02-0000-02 　　Societies Split Algorithm Based on Coefficient 　　Zhou Lanjuan1,2,Qin Maoling1 　　(1.Shandong Nornal University School of Information ScienceEngineering,Jinan250014,China;2.Jinan Information Engineering School,Jinan250100,China;) 　　Abstract:The complex network of the communities divided splitting method is more classic algorithm,based on the degree coefficient the local variables, 　　through the use kruksal algorithm to classic GN algorithm is appropriate improvement,improve the searching efficiency,and through the analysis of the characteristics of the module,and shows that the accuracy of the results. 　　Keywords:Degree coefficient;Societies divided;Module degrees 　　一、引言 　　网络社团结构的研究已经有很长的历史。它与计算科学中的图分割(graphpartition)和社会学中的分级聚类(hierarchical clustering)有着密切的关系[1]。在分级聚类算法中根据向网络中添加边还是删除边该类算法又可以分为两类：凝聚方法和分裂方法。 　　二、相关概念 　　（一）分裂算法 　　GN算法的基本思想就是通过不断移除网络中介数最大的边，从而将网络划分为几个社团。这里边介数的定义类似于中间中心性，即经过该边的最短路径的数目，其基本流程如下： 　　1.计算出网络中所有边的边介数； 　　2.将边界数最大的边从网络中移除； 　　3.重复步骤2，达到要求的划分标准为止。 　　（二）模块度 　　模块度 Newman等人引进了一个衡量网络划分质量的标准――模块度[2] 　　考虑某种划分形式，它将网络划分为k个社团。定义一个k k维的对称矩阵E=( )，其中元素 表示网络中连接两个不同社团的节点的边在所有边中所占的比例，这两个节点分别位于第i个社团和第j个社团。 　　设矩阵中对角线上各元素之和为Tre= 。它给出了网络中连接某一个社团内部各节点的边在所有边的数目中所占比例。定义每行（或者列）中各元素之和为 。它表示与第i个社团中的节点相连的边在所有边中所占的比例。在此基础上，用下式来定义模块度的衡量标准： 　　 =Tre- 　　三、理论分析和实验模拟 　　（一）算法描述 　　经典的 算法中是求出任意一个节点到其它所有节点的最短路径，从而形成一棵最短路径数，工作量非常大，但是，对于科研网络模型中，如果我们只对边的一些属性进行分析，将模型中的最小生成树求出，而只要形成的树中包含了所有的节点，就结束。可以降低计算数量。而对科研网来说，只要两个节点之间有合作，就认为有边相连，权值都是相等的。所以对 算法进行修改，从而达到改进 算法的目的。 为原始网络图， 为图 的顶点集， 为图 的边集， 为边系数，给边设定一个系数，此系数取决于此边相连的两个顶点的度系数 、 　　 ， (2.4) 　　(2.5) 　　当有圈时，在考虑去掉哪条边更合理时，在避圈法算法中去掉权最大的边，而因为构成圈的路径中可以往往最短路径不唯一，所以如果有多条边可以选择的话，就选择度系数 更小的边，如果构成圈的边中有度的系数相等的情况，此时，再对度系数相等的边进行 的比较，取 更小的值，根据“富者更富”[3]的观点，这样更有利于节点的聚集，从而更准确的形成社团结构。 　　并且，在此过程中，每个节点都有一个限制变量，即与度数最大的节点的最短路径，而不用求出任意节点到其它所有节点的最短路径，因此