基于simrank全局矩阵平滑收敛的网络社区发现.docxVIP

基于SimRank全局矩阵平滑收敛的网络社区发现 李维勇\孑L枫\张伟之，陈云芳之 (1.南京信息职业技术学院网络与通信学院，南京，210023； 2.南京邮电大学计算机学院，南京，210023) 摘 要：SimRank方法是一种基于图的拓扑结构信息来衡量任意两个对象间相似程度的方法，针对在真 实的大规模社交网络中节点与节点之间的迭代计算过程需要消耗大量的时间，提出了一种基于SimRank 全局矩阵平滑收敛的网络社区发现方法(SimRank Global Smooth Convergence, SGSC)。首先，该算法通 过经典度量来识别网络中的初始核心节点；然后利用矩阵平滑收敛来计算SimRank得到最终核心节点； 最后，基于全局收敛矩阵，将社区聚集在核心节点周围，使用Closeness指数合并两个社区，通过递归的 重复该过程，聚类出最终社区。然后在3种真实的不同规模的社交网络中将SGSC和其它2种具有代表 性的方法进行比较，并验证了提出的算法在不同规模的社交网络中社区划分的准确率和算法运行的时间 性能上有所提升。 关键词：社区发现；SimRank;矩阵迭代；聚类 中图分类号：TP391 文献标识码：A Hierarchical community detection based on global smooth convergence using SimRank LI Weiy