基于聚類算法的二分網(wǎng)絡(luò)社區(qū)挖掘算法

　　針對二分網(wǎng)絡(luò)中社區(qū)挖掘的準(zhǔn)確性不高、對額外參數(shù)的依賴較大的問題，基于譜聚類算法的思想，從二分網(wǎng)絡(luò)的拓撲結(jié)構(gòu)展開，提出了一種改進的社區(qū)挖掘算法。該算法將二分網(wǎng)絡(luò)映射到單一網(wǎng)絡(luò)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(zhǔn)確性；將模塊度函數(shù)概念應(yīng)用到聚類分析中，用模塊度衡量社區(qū)挖掘的質(zhì)量，有效解決了自動確定聚類數(shù)目的問題。在實際網(wǎng)絡(luò)和人造網(wǎng)絡(luò)上進行實驗，與蟻群優(yōu)化算法、邊集聚系數(shù)算法等算法進行對比，實驗結(jié)果表明，所提算法不但能較準(zhǔn)確地獲得二分網(wǎng)絡(luò)的社區(qū)數(shù)目，且在不需要任何額外參數(shù)的情況下，能獲得很好的劃分效果，可以應(yīng)用于深入理解二分網(wǎng)絡(luò)，進行推薦、影響力分析等。