社交网络中基于模块度最大化的标签传播算法的研究

提出了一种利用模块度最大化与社区结构属性相结合的社区发现方法。首先,针对基于模块度最大化的标签传播算法中存在的时间复杂度高的问题,引入传播距离参数,依据“先传播,后合并”的原则,降低了社区合并导致整个网络需要更新带来的较高时间复杂度;其次,结合社区结构的概念提出了基于模块度最大化的标签传播算法(CDMM-LPA);最后,基于网络数据集,验证并分析了 CDMM-LPA 算法的可行性。实验结果表明,CDMM-LPA算法在降低了时间复杂度的同时,获得了较高的模块度值和更加稳定的强社区结构。