识别高质量重叠社区的高效算法

摘要 现实的社区结构通常具有相互重叠的现象，发现重叠社区结构有助于研究网络的特性、预测网络的变化趋势.通过改进非重叠社区发现算法LabelRank的后处理过程，以使得算法能够发现网络中重叠的社区结构；引入标签更新相似度作为标签更新的判别依据，给出一种能够消除标签震荡现象的迭代终止条件，以提升发现重叠社区结构的质量，同时显著减少社区识别算法的计算量和迭代次数.在人工生成网络数据集和真实网络数据集上的实验结果表明，与现有的重叠社区发现算法相比，给出的算法能够更加高效地发现更高质量的重叠社区