从消息传播概率到概率亲密度矩阵的社区挖掘算法

随着现代网络的结构越来越复杂,规模越来越大,基于局部最优的社区挖掘算法受到了越来越多的关注.这些算法的计算速度快,但是结果精度较低.针对上述问题,对已有的CONCLUDE算法进行改进,利用消息传播概率代替结构相似性来构造亲密度矩阵,表示网络中的全局信息,计算过程的时间复杂度由O(珔d(v)2V)降低到O(珔d(v)V).与其它算法(LM,CONCLUDE)进行比较和分析,该算法具有较高的计算效率和精度.实验结果表明,该算法不仅提高了LFR基准网络上的NM I值,而且对真实网络上的模块度也有一定的提升.