基于邻居扩展的社区发现算法
吴帆
贵州财经大学信息学院 贵州贵阳 550025
摘要：诸多真实场景下的数据集可通过图形式存储与表达,图中节点构成的社区是图数据的核心指标,其结构可在多尺度下评估复杂系统的粗粒度.但社区检测仍面临挑战,现有算法多依赖全局模型或计算开销较高.为此,文章提出了一种基于邻居扩展的社区发现算法.通过邻居扩展的方式从高度数节点开始向外扩展社区,同时通过边平衡的方式防止邻居扩展的结果陷入局部最优解.并且基于邻居扩展的社区发现算法与现有的多种经典的社区发现算法在多个真实数据集上进行了对比实验.实验结果表明,在不需要其他额外信息只需要局部节点信息的情况下,基于邻居扩展的社区发现算法拥有更低的计算开销而且准确性在数个数据集上也能取得较高的分数.
关键词：数据集多尺度粗颗粒
论文发表日期：2025-11-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 67-70 )