基于局部聚类的复杂网络社区发现算法研究

【摘要】：复杂网络是复杂系统的抽象,网络中的结点是复杂系统的个体,结点之间的边则是系统中个体之间按照某利,规律而自然形成或人为构造的一种关系。社区结构是复杂网络重要特性之一,蕴含大量的结构信息。社区就是网络中的结点的集合,社区中的结点连接紧密,而社区之间则相对松散。 复杂网络中社区发现,具有重要的应用价值。复杂网络种类繁多,现实中的很多结构体都可以抽象为复杂网络,如社交网络、引文网络、万维网、生物网络等。这些网络都具有明显的社区结构：如,社交网络中的社区代表根据兴趣或背景而形成的真实社会团体；引文网络中的社区代表针对同一主题的相关论文；万维网中的社区代表多个站点关心一个主题等等。发现这些网络中的社区,有助于我们更加有效地理解和开发这些网络。 复杂网络社区发现的研究,已经有很多的努力和成果。但是,现有的方法复杂度较高,不适用于大规模复杂网络的社区发现。本文致力于处理大规模复杂网络的社区发现,基于局部聚类方法,提取社区结构。本文提出一种基于局部核结构的局部社区发现方法：(1)初始状态为一个密集的局部核结构,发现稳定的局部社区结构。即给定局部网络信息,多次运行算法,会发现相同的局部结构；(2)发现完整的局部社区结构,当发现完成时,自动停止运行,从而不依赖人工参数设定。(3)很好的处理噪声结点对算法的影响,在社区发现算法中,加入“剪枝”策略,去除“噪声”结点。实验表明,较之前的方法,此方法能发现更高质量的社区结构。