复杂社会网络的两阶段社区发现算法

摘要 社区发现是当前复杂系统研究的前沿热点．本文提出了用于描述网络节点间依赖程度的关联度指标，能够有效描述社区节点向社区的聚集，提出了利用关联度进行社区挖掘的两阶段算法CDCDA．该算法首先采用局部扩张方法挖掘初始节点社区，对于初始社区外的独立结构（边缘稀疏结构、边缘聚集结构、中间稀疏结构和中间聚集结构），分别采用合并、分割合并的方式进行社区调整．真实网络的实验结果表明，算法不仅有较好的社区划分效果，而且能够发现社区中的微结构，并能够对社区给出更细致的分析