75、基于最近枢纽的在线模糊社区检测

基于最近枢纽的在线模糊社区检测

在社交网络分析中，社区检测是一项重要的任务，旨在识别网络中节点的分组结构。本文将介绍一种基于最近枢纽的在线模糊社区检测算法，并与其他常见算法进行对比。

1. 相关概念

• 集群和社区结构 ：社交网络中存在一些节点子组，它们内部连接更为紧密，这些子组被称为社区或集群。在社交网络分析中，有图划分和覆盖两种概念。图划分将每个节点精确分配到一个集群，而覆盖允许社区重叠，节点可同时属于多个社区。为简化评估，本文主要关注精确分配。
  • 评估指标 ：
    • 内部集群密度 ：描述集群内现有边与可能边的比例，值越高表示集群连接越紧密。
    • 集群间稀疏度 ：描述不同集群节点间现有边数与所有可能成对边数的比例，值越小表示集群分离度越好。
    • q - 模块化 ：由Newman和Girvan提出，基本思想是具有相同度分布但随机连接节点的图不应有集群结构，观察到的集群内密度应高于随机图。最大化q - 模块化可得到较好的聚类结果，这也是Louvain方法的主要思路。
    • 归一化互信息得分（NMI） ：用于比较人工划分与图的真实社区结构的质量。
  • 无标度网络 ：节点度分布遵循幂律函数$P(k) \sim k^{-\gamma}$