论文部分内容阅读
重叠社区发现已成为复杂网络研究的热点内容。传统基于非负矩阵分解的社区发现方法忽视了特征矩阵选择的重要性,通过模块度优化来确定社区数目导致计算开销大和存在模块度分辨率受限制等问题。针对上述问题,提出了一种基于贝叶斯先验的非负矩阵分解社区发现方法。通过引入贝叶斯非负矩阵分解模型,实现了对社区数目的有效迭代求解。为了得到节点与社区的隶属关系,采用线性转换函数思想定义了社区隶属度指数,并通过设定合理的划分阈值得到网络重叠社区结构。在不同规模的计算机生成和真实世界网络上进行了测试,并与典型算法进行比较,实验结