论文部分内容阅读
覆盖最优划分思想是将子集间重叠区域样本通过覆盖的合并和分割，使原来有交集的覆盖划分为无交集的类误差最小．文中将覆盖的最优划分思想引入社团发现中，提出基于覆盖最优划分的社团发现算法（CDA—OPC），将社团发现问题转化为求给定覆盖的最优划分问题．首先利用节点间邻域重叠关系构造覆盖，然后运用覆盖的最优划分概念，通过覆盖子集的合并与分割达到对覆盖的最优逼近，最后计算社团间的相似度，将相似度最大的社团两两合并，在多层次合并后最终形成多粒度的社团结构．在真实网络上的实验表明，CDA—OPC可以有效划分社团．