基于论文相似网络拓扑结构的聚类方法比较

基于论文相似网络拓扑结构的聚类方法比较

黄 鹏，崔 雷

【摘 要】[摘要]以R语言中的复杂网络处理包igraph为工具，基于语义相似性算法构建论文相似网络，采用随机游走法、标签传播法、最大模块度法、边介数法等4种代表性网络聚类算法对论文相似网络进行聚类分析，结合金标准和网络社团划分评价指标D函数比较4种算法的准确性和稳定性，发现随机游走算法最为卓越，复杂网络的预处理也是一个影响聚类效果的重要因素。 【期刊名称】中华医学图书情报杂志 【年(卷),期】2015(024)010 【总页数】6

【关键词】[关键词]社团结构；论文相似网络；聚类方法；随机游走法；标签传播法；最大模块度法；边介数法；Igraph ·研究生论坛·

近几年，在探索复杂网络拓扑结构的过程中，研究者除发现小世界与无标度特性外，还发现复杂网络还存在一个基本属性：社团结构(community structure)[1]。复杂网络是由若干个社团组成，社团内部节点的连接非常紧密，社团之间节点的连接相对比较稀疏。结构决定功能，研究网络的社团结构有助于分析复杂网络的功能、探索复杂网络的隐藏规律以及预测复杂网络的发展趋势。

为了能够精确界定网络中的社团结构，必须选择一种优秀的聚类方法。现有的复杂网络聚类方法主要分为两大类，一类是基于图论的算法，如Kernighan-Lin法[2]、谱平分法[3]、随机游走法(Walktrap algorithm)[4]和标签传播法