基于覆盖最优划分的社团发现算法

作     者：杨雪洁 陈洁 赵姝 钱峰 张燕平 YANG Xuejie;CHEN Jie;ZHAO Shu;QIAN Feng;ZHANG Yanping

作者机构：安徽大学计算机科学与技术学院合肥230601 合肥师范学院计算机学院合肥230601 铜陵学院数学与计算机学院铜陵244061 

出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)

年 卷 期：2018年第31卷第9期

页      面：837-844页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(No.61673020 61602003) 安徽省自然科学基金项目(No.1708085QF156)资助~~ 

主　　题：覆盖 复杂网络 社团发现 相似度 

摘      要：覆盖最优划分思想是将子集间重叠区域样本通过覆盖的合并和分割,使原来有交集的覆盖划分为无交集的类误差最小.文中将覆盖的最优划分思想引入社团发现中,提出基于覆盖最优划分的社团发现算法(CDA_OPC),将社团发现问题转化为求给定覆盖的最优划分问题.首先利用节点间邻域重叠关系构造覆盖,然后运用覆盖的最优划分概念,通过覆盖子集的合并与分割达到对覆盖的最优逼近,最后计算社团间的相似度,将相似度最大的社团两两合并,在多层次合并后最终形成多粒度的社团结构.在真实网络上的实验表明,CDA_OPC可以有效划分社团.