论文研究-结合中心约束改进聚类算法的社区发现技术.pdf

进行社区发现时，首先从某一节点开始进行随机行走，计算两个节点之间的对称社会距离，并用此距离来分析两个用户节点之间的相关性。社交网络中存在着关系不均匀的现象，有些个体之间关系非常稠密，而有些却异常稀疏，由此构成的虚拟社区需要用特定的社区发现技术进行挖掘。前人提出过利用可能性C均值聚类算法（PCM）和处理好的社会距离进行社区发现，但通过虚拟社区算法评价的准确度指标发现，对于数据量大，数据粘性强的数据，其聚类效果并不理想。而聚类中心的好坏直接决定着聚类性能的好与坏，因此利用类中心约束方法对PCM算法进行改进，得到的新型聚类算法更加适用于真实网络数据集。实验针对真实数据集，利用准确度指标进行了验证。