复杂网络中社团发现算法的研究

黄蓝会 (宝鸡文理学院计算机学院，宝鸡 721016)

【摘要】基于复杂网络模型，将数据挖掘中的聚类分析方法应用到社团发现中，提出了结合模块度的基于层次聚类的社团发现算法。由层次树得到的社团结构层次清晰，仿真实验证明，利用该算法，当信号传播次数取值为3时社团划分准确度最高。

【期刊名称】微型电脑应用

【年(卷),期】2017(033)010

【总页数】2

【关键词】复杂网络；网络聚类；数据挖掘；社团发现

0 引言

复杂网络是一个涉及数学、统计物理学、计算机科学、生态学、生物学、经济学、社会学、自动控制等众多领域的交叉学科。[1]复杂网络利用数学上图论的概念，将网络中的个体抽象为图中的节点，个体之间的相互作用抽象为图中节点之间的连边。因此，任何包含大量个体单元的复杂系统都可以当作复杂网络来研究，如豆瓣网、当当网等。复杂网络结构具有小世界、无标度、高聚集和社团结构等特性，其中社团结构的特点是同一个社团内部节点之间连接紧密，不同社团之间连接松散。针对复杂网络进行社团划分是数据挖掘领域最活跃的研究方向之一，比如豆瓣网中大部分用户是根据自己的兴趣爱好选择好友，社团划分可以让用户注册成功后快捷地找到其想加入的群体；当当网进行社团划分后，可以针对同一社团群体用户建立推荐系统，引导用户消费。

聚类分析是将物理或抽象对象的集合分成由类似的对象组成的多个类(Class)或