论文研究基于社团密度的社团发现算法.pdf

发现社团结构是研究复杂网络的重要前提，目前社团发现算法研究存在两个较为严峻的问题：评价函数单一和经典算法时间复杂度过大并且无法发现小粒度的社团。针对上述问题，提出了一种合理的发现算法评价函数，即社团完整度F。实验证明，与经典的模块度函数Q相比，社团完整度函数F能够更合理地评价社团划分质量且社团完整度函数F的灵敏度高于模块度函数Q；提出了基于社团密度的社团发现算法（BDA算法）。实验证明，该算法不仅可以发现小粒度的社团结构，随着网络节点数和边数的增加，BDA算法在时间复杂度方面也具有明显的优势。尝试将BDA算法应用在科学合作者网络并得到了合理的社团结构。