基于局部模塊度的社團(tuán)劃分算法

　　針對大多復(fù)雜網(wǎng)絡(luò)社團(tuán)劃分算法不能快速發(fā)現(xiàn)最優(yōu)節(jié)點加入社團(tuán)的問題，提出一種利用節(jié)點親密度的局部社團(tuán)劃分算法。引入節(jié)點親密度的概念量化社團(tuán)與鄰居節(jié)點的關(guān)系，按照節(jié)點親密度由大到小選擇節(jié)點加入社團(tuán)，最后以局部模塊度為指標(biāo)終止局部社團(tuán)擴(kuò)展。在真實網(wǎng)絡(luò)和人工仿真網(wǎng)絡(luò)進(jìn)行實驗，并與基于信息壓縮的隨機(jī)游走算法等4種典型社團(tuán)劃分算法相比較，所提算法劃分結(jié)果的綜合評價指標(biāo)（ Flscore）和標(biāo)準(zhǔn)化互信息（NMI）均好于比較算法。實驗研究表明，所提算法具有較好的時間效率和準(zhǔn)確度，適用于大規(guī)模網(wǎng)絡(luò)社團(tuán)劃分。