基于平均互信息的最优社区发现方法

本文提出一种基于平均互信息的最优社区发现方法 AMI (average mutual information),该方法通过计算社区划分时的平均互信息值找出最优的社区划分.将AMI方法作用在非重叠社区发现算法GN和重叠社区发现算法COPRA上分别获得改进的AMI-GN算法和AMI-COPRA算法.将AMI-GN算法与GN, FN, IE算法进行对比实验,实验结果表明AMI-GN算法相较于其他算法提高了社区发现的质量.将AMI-COPRA算法与COPRA, LPPB算法进行对比实验,实验结果表明AMI-COPRA算法大幅度提升原始COPRA算法的稳定性,大大减少了平均迭代次数,加快了算法的收敛速度.相较于LPPB算法,发现社区的质量相差不大,但AMI-COPRA算法比LPPB算法更加稳定.研究表明,运用AMI方法可有效地改进典型的非重叠社区发现算法和重叠社区发现算法的性能.