一種新的面向復雜網絡大數(shù)據的重疊社區(qū)檢測算法

　 提出一種新的面向復雜網絡大數(shù)據的重疊社區(qū)檢測算法DOC（detecting overlapping commumties over　complex network big data），時間復雜度為O（nlog2（n》，算法基于模塊度聚類和圖計算思想，應用新的節(jié)點和邊的更新方法，利用平衡二叉樹對模塊度增量建立索引，基于模塊度最優(yōu)的思想設計一種新的重疊社區(qū)檢測算法．相對于傳統(tǒng)的重疊節(jié)點檢測算法，對每個節(jié)點分析的頻率大為降低，可以在較低的算法運行時間下獲得較高的識別準確率．復雜網絡大數(shù)據集上的算法測試結果表明：DOC算法能夠有效地檢測出網絡重疊社區(qū)，社區(qū)識別準確率較高，在大規(guī)模LFR基準數(shù)據集上其重疊社區(qū)檢測標準化互信息指標NMI最高能達到0.97，重疊節(jié)點檢測指標F-score的平均值在0.91以上，且復雜網絡大數(shù)據下的運行時間明顯優(yōu)于傳統(tǒng)算法，