基于边标签传播的复杂网络社区识别方法

Zjianeng

摘 要： 针对传统基于标签传播的复杂网络重叠社区识别算法难以准确识别重叠节点的缺陷，本文通过分析边 与其邻居边的关系，提出用来评估边归属社区的归属密度函数及归属倾向性函数，并在此基础上设计一种基于边标签 传播的重叠社区识别方法（ＯＬＬＰ）．该方法首先以每条边连接 ２个节点中度高的节点标签作为该边的标签；然后通过分 析边的归属密度与归属倾向性迭代更新边标签，最终标签相同的边属于同一社区．在基准网络与真实网络数据集上进 行测试，并与多个具有代表性的算法进行比较，实验结果表明了 ＯＬＬＰ算法的有效性和可行性．

关键词： 复杂网络；重叠社区识别；标签传播
0 p8 r% H! \- ]6 w' J# `$ K8 V
( W; S; J+ S% Y
+ b1 R/ R* I) O9 N( K0 Z3 z, \
+ T/ @0 l. A, w( ?" n% f      复杂网络社区识别已成为当今研究的热点问题，它 对于复杂网络的拓扑结构分析、功能分析和行为预测具 有重要的理论意义和实际意义［１］，其不仅吸引了大量的 学者进行研究，而且被广泛应用于蛋白质功能预测［２］、 舆情分析与控制［３，４］、搜索引擎［５］等众多领域当中． 传统的社区识别算法是将网络分解为若干个互不 相连的社区，每个节点必须属于唯一社区．但在真实网 络中，各社区之间并不完全独立，而是相互重叠的［６］，例 如在社会网络中，一个教授根据研究领域的不同，可同 时属于多个不同社区（如数学、物理等）．因此，复杂网络 中重叠社区识别通常更具实际意义．
7 }/ P, S- R/ x9 r+ _
5 y# k: S* w7 k8 K
, C0 R0 L: q  ]$ o6 y( f9 ]; t附件下载：

游客，如果您要查看本帖隐藏内容请回复

reasonant-j

重叠社区识别