基于节点相似度的层次聚类算法被广泛应用于无符号网络的社区发现研究中,但不适用于符号网络,而典型符号网络社区发现算法存在从不同节点出发社区划分准确率低的问题.本文从节点相似度出发提出一种适用于符号网络的算法CDSNNSP(Community Detection in Signed Netw orks Based on Node Similarity and Node Participation Degree).算法首先提出适合符号网络的节点影响力和聚集系数,并根据其选取初始节点,依据节点相似度计算公式从邻居节点中选取与初始节点相似度最大的节点形成初始社区,通过邻居节点的参与度和相对贡献增量确定节点划分到社区的顺序以及是否划分到社区.最后,通过模拟和真实社会网络数据集的实验证明了CD-SNNSP算法的正确性和有效性.
符号网络中宏观网络结构(拓扑结构属性和符号属性)和微观博弈对联盟(社区)的形成具有相互影响,是符号网络博弈模型的新特征.基于以上思想,提出一种新的符号网络层次聚类算法HCSVSN(Hierarchical Clustering Based on the Shapley Value in Signed Netw ork).首先,基于结点的符号属性和结点度,提出改进Shapely值的计算方法,可以避免忽略外部环境(网络结构)对Shapley值的影响,并可以降低Shapley值计算的复杂性;其次,基于网络密度对联盟形成的影响,提出联盟收益均值的计算方法,并给出符号网络联盟博弈模型;然后,基于联盟平均收益最大化实现符号网络的社区发现;最后,通过实验验证算法的准确性和有效性.
