基于相似度的加权复杂网络社区发现方法 (2014年)

针对加权复杂网络中的社区结构发现问题，本文定义基于权重关系的相似度，并在此基础上定义了节点中心度和归属度，改进GN算法的模块度评价函数，提出一种基于相似度的中心聚类算法（SCC）。该算法通过计算节点间的相似度，选取合理的中心度大的节点作为社区中心节点，最后基于节点归属度来聚集从而形成社区；同时，提出了用相似度代替边介数的改进GN算法SGN。通过理论分析，并在数据集上进行实验验证，结果表明SCC算法与WGN算法、SGN算法相比，速度和精度上均有较大改善。同时与I2C算法相比，社区的划分有效性更好。