基于聚類算法的二分網絡社區(qū)挖掘算法

　　針對二分網絡中社區(qū)挖掘的準確性不高、對額外參數的依賴較大的問題，基于譜聚類算法的思想，從二分網絡的拓撲結構展開，提出了一種改進的社區(qū)挖掘算法。該算法將二分網絡映射到單一網絡進行社區(qū)挖掘，采用資源分布矩陣替代傳統(tǒng)的鄰接矩陣，挖掘出同類節(jié)點間的隱含信息，有效地保證了原圖的信息，改進了譜聚類算法的輸入，提高了社區(qū)挖掘的準確性；將模塊度函數概念應用到聚類分析中，用模塊度衡量社區(qū)挖掘的質量，有效解決了自動確定聚類數目的問題。在實際網絡和人造網絡上進行實驗，與蟻群優(yōu)化算法、邊集聚系數算法等算法進行對比，實驗結果表明，所提算法不但能較準確地獲得二分網絡的社區(qū)數目，且在不需要任何額外參數的情況下，能獲得很好的劃分效果，可以應用于深入理解二分網絡，進行推薦、影響力分析等。