基于节点影响力的标签传播社区检测算法

针对标签传播社区检测算法(LPA)存在随机性、结果不稳定的问题,提出一种基于节点影响力的标签传播社区检测算法(KLPA)。新的算法在标签初始化时,通过k-shell分解方法评价网络中的节点影响力,选取网络中部分k-shell值较大的节点组成种子节点集并分配给每个种子不同的标签。其次在标签传播过程中,根据标签传播能力对LPA算法的节点标签更新策略进行改进。在真实网络数据集上的实验表明:KLPA算法在不提高复杂度的情况下,改进了算法的稳定性,提高了社区检测的质量,并且减少了算法迭代次数。