社交复杂网络中基于无向图和聚类的社区检测关键技术研究

摘要

社区检测过程是大数据分析时代的重要挑战之一,特别是在社交复杂网络领域.为了提高社区检测的准确性和效率,提出了一种基于无向图和聚类的社交复杂网络社区检测算法.首先采用了两个新的度量指标以便实现社区检测,即聚类系数和共同的邻居相似性.然后基于高效模块化的概念将社区检测的复杂度减少,并通过平衡二叉树来更新无向图中的边和节点,从而减少了计算的工作量.采用社会网络数据集对提出算法进行了验证分析,实验结果表明:相比其它两种算法,提出算法的运行效率和准确性更高.