李慧 马小平 张舒 施珺 李存华 仲兆满

社区结构是复杂网络的重要特性,在网络中发现社区就是把相似节点划分为一个集合,使得集合内节点之间的相互作用比它们与集合外节点的相互作用更强,即同一社区内部节点间的链接较为稠密,不同社区之间的链接较为稀疏[1].但是社会化网络中用户的多重社会属性导致用户可以同时从属于多个社区,因此基于可重叠聚类的社区发现算法效果更佳.发现高质量的社区有助于理解真实的复杂网络,尤其是动态地分析社区重叠结构,对社区管理和演化具有重要意义[2−4].

在传统的社区发现方法中,网络可以作为静态拓扑图处理而不用考虑节点间的信息交互因素,在微博等社交网络中已经不再适用.在微博及其应用所构成的社交网络中频繁地使用不同节点间的信息交互;拓扑结构仅代表用户之间交互的可能性,而实际交互的程度则由节点之间的信息流动情况决定.这种社区划分方法由于仅仅依赖拓扑结构,却忽略了社交网络中的信息流动,因此表现出明显的局限性,这已经与现代社交网络的特征相背离,除此之外,社区划分结果在这种体系下也无法得到较高的准确性.

本文的重叠社区检测算法是针对传统的社区发现方法在解决社交网络中社区划分时所面临的问题所提出的,称为基于时间加权关联规则的时域重叠社区检测算法(Time-weighted overlapping community detection,TWOCD).TWOCD算法的主要创新点在……