大规模网络中检测社区结构的近线性时间算法
摘要：社区检测和分析是理解不同实际网络组织的重要方法，并且在社交网络中达成共识形成或在生物化学网络中识别功能模块等问题中有应用。目前使用的算法在大规模实际网络中识别社区结构时需要预先信息，比如社区数量和大小，或者计算上非常昂贵。在本文中，我们研究了一种简单的标签传播算法，它仅使用网络结构作为指导，无需优化预定义的目标函数或关于社区的先验信息。在我们的算法中，每个节点都初始化为唯一的标签，并且在每个步骤中，每个节点采用其邻居当前具有的标签。在这个迭代过程中，密集连接的节点组形成一致的标签以形成社区。我们通过将算法应用于已知社区结构的网络来验证该算法。我们还证明了该算法所需的时间几乎是线性的，因此计算开销比以往任何时候都要小。
作者：Usha Nandini Raghavan, Reka Albert, Soundar Kumara
论文ID：0709.2938
分类：Physics and Society
分类简称：physics.soc-ph
提交时间：2007-09-20