ESN中基于贪婪派系扩张的重叠社区发现

摘要

传统局部扩张方法在对企业社会化网络(ESN)中的重叠社区结构进行识别时,存在计算冗余与社区挖掘不彻底的问题。为此,提出一种基于贪婪派系扩张的重叠社区发现算法GFE。在原始ESN中寻找极大派系,根据派系间的关联程度计算其链接强度,将原始网络图转换成最大派系图。在最大化适应度函数的条件下,贪婪扩张最大派系图中的种子派系,以进行社区发现。在此基础上,比较社区差异度,合并近似重复的社区,从而优化重叠社区的层次结构。实验结果表明,GFE算法能有效发现ESN中的重叠社区结构,且运行效率高于CPM、LFM等算法。