张 玲，吴发辉

(武夷学院 信息技术与实验室管理中心，福建 武夷 354300)

互联网技术的发展，使得人际交流越来越方便，人们之间的联系随之越来越密切。在此背景下，各类社交平台随之出现，如微博、微信、抖音、钉钉等。通过社交平台，将分布各地的人们联系在一起，形成了一个庞大的社交网络。在社交网络上人们可以就一个问题发表自己的观点和见解。由于个人在偏好和兴趣方面存在的差异，又分成了各个不同的社区[1]。例如，就微博而言，一个明星拥有了众多粉丝，这些粉丝都关注了该明星，以该明星为核心节点，就形成了一个社区。然而现实情况是一个人通常不会有一个兴趣点，这就造成了一个人可能属于多个社区的情况，即发生社区重叠现象。

社区重叠研究有着非常广阔的应用场景，比如，在社会消费方面，可以通过分析同一社区内消费者行为特征，在该社区内进行商品推荐，提高商品的销售量；在教育教学方面，可以根据同一社区内学生的学习特征，分析该社区内学生学习难点，并有针对性地推荐学习资源。基于此，关于社区重叠问题的研究有很多[2]，面向属性网络，提出一种基于密度峰值聚类的思想的发现算法，实现了重叠社区的划分[3]。通过计算社区节点间H指数和局部影响力来判断节点重要性，以此进行重叠社区的识别[4]。提出了一个群体上两端之间的协同进化方案来解决网络的重叠划分问题。为表示网络的重叠划分，开发了一种由两段组成的编码方案，第一段表示不相交的划分，第二段表示允许多成员身份的划分的扩展，然后给出节点信息性的两个度量，以此来判断群体上两段是否发生重叠。……