基于改进MCMC方法的重叠社区发现算法

摘要

文章对基于社区隶属模型AGM的重叠社区发现算法的特点及机理进行了分析,针对算法在求解过程中存在的易陷入局部最优的问题加以改进.在原有的MCMC采样方法上引入模拟回火(ST)策略和补充搜索过程,实现了待求参数的快速更新并且逐渐逼近理想中的全局最优解.在四种网络中的实验表明,改进之后的算法结果比原算法均有所提高,其中在平均聚类系数较高的DBLP科学合著网络中的实验效果提升了14％.改进之后的算法能够提高采样效率,从而提高社区发现的精确性和可靠性.