基于結(jié)構(gòu)相似度社團(tuán)檢測(cè)算法

　　復(fù)雜網(wǎng)絡(luò)中普遍存在著一定的社團(tuán)結(jié)構(gòu)，社團(tuán)檢測(cè)具有重要的理論意義和實(shí)際價(jià)值。為了提高復(fù)雜網(wǎng)絡(luò)中社團(tuán)檢測(cè)的性能，提出了一種基于結(jié)構(gòu)相似度仿射傳播的社團(tuán)檢測(cè)算法。首先，選取結(jié)構(gòu)相似度作為節(jié)點(diǎn)之間的相似性度量，并采用了一種優(yōu)化的方法來(lái)計(jì)算復(fù)雜網(wǎng)絡(luò)的相似度矩陣；其次，將計(jì)算得到的相似度矩陣作為輸入，采用快速仿射傳播（ FAP）算法進(jìn)行聚類；最后，得到最終的社團(tuán)結(jié)構(gòu)。實(shí)驗(yàn)結(jié)果表明，所提算法在LFR（ Lancichinetti-Fortunato-Radicchi）模擬網(wǎng)絡(luò)上的社團(tuán)檢測(cè)平均標(biāo)準(zhǔn)化互信息（NMI）值為65.1%，要高于標(biāo)簽傳播算法（IPA）的45.3%以及CNM（ Clauset-Newman-Moore）算法的49. 8%；在真實(shí)網(wǎng)絡(luò)上的社團(tuán)檢測(cè)平均模塊度值為53. l%，要高LPA算法的39. 9%以及CNM算法的47.8%，具有更好的社團(tuán)檢測(cè)能力，能夠發(fā)現(xiàn)更高質(zhì)量的社團(tuán)結(jié)構(gòu)。