一种面向社区发现的高鲁棒性标签传播算法

摘要

社区结构是真实网络普遍具有的拓扑特征,已经成为社交网络分析与挖掘领域的重要研究课题之一.研究社区结构对理解网络功能、揭示网络模式、分析网络行为等具有重要的研究意义.标签传播算法是速度较快的社区发现算法之一,但存在明显的缺陷,譬如划分社区不稳定、鲁棒性差等.为解决上述问题,本文提出一种有效改善标签传播的高鲁棒性算法（LPADCC）,算法首先根据节点度和聚集系数对网络中所有节点做影响力排序,根据影响力将网络中节点做初始划分,并对划分后的所有节点有条件的赋标签,最后根据标签传播过程对网络进行划分得到社区结构.在四种真实数据集上对算法进行实验与比较分析,结果表明,与原始LPA算法相比,该算法具有更高的准确性和稳定性,同时能够减少传播过程中的迭代次数,能快速收敛得到结果.