基于随机聚类采样算法的复杂网络社团探测  

Detecting community structure using stochastic cluster sampling algorithm

作　　者：蔡君[1] 余顺争[2] 

机构地区：[1]广东技术师范学院电子与信息学院,广州510665 [2]中山大学电子与通信工程系,广州510275

出　　处：《计算机应用研究》2013年第12期3560-3563,共4页Application Research of Computers

基　　金：国家自然科学基金资助项目(61202271;61272381);国家自然科学基金-广东联合基金重点资助项目(U0735002);国家"863"计划基金资助项目(2007AA01Z449);广东省自然科学基金资助项目(S2013040014339)

摘　　要：根据网络节点的局部拓扑信息构建稀疏相似网络。基于稀疏相似网络,提出了一种改进后的随机聚类采样算法对网络社团进行探测。在人工和真实网络上,将算法与未改进的随机聚类采样算法以及几种典型的社团探测算法进行了准确率和时间复杂度的比较。实验结果表明,该方法在时间复杂度上具有明显的优势,并且具有较好的准确率。Firstly,this paper constructed a sparse similarity network based on the node＇ s local information. Then,proposed an algorithm of detecting community structure using the improved stochastic cluster sampling based on the sparse similarity network. In the artificial and real networks, it compared the proposed algorithm with the no improved stochastic cluster sampling and several typical algorithms detecting community structure in time complexity and accuracy. The experimental results show that the method has obvious advantages in the time complexity and it has better accuracy rate than other algorithms.

关 键 词：复杂网络 社团探测 随机聚类采用 相似性 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]