摘要：挖掘复杂网络的社团结构对研究复杂系统具有重要的理论和实践意义,局部社团探测是其主要挑战之一。目前对局部社团探测方法的研究甚少,且大多算法精确度过低。对此从关系的层次性考虑,通过节点的相对相似性和一个参数α定义了朋友和最好朋友的概念。给出三个假设,并在此基础上设计了基于关系层次性的局部社团探测算法(HR)。实验表明,HR要优于当前同类算法。最后经分析,发现参数α的最优值与网络的平均相对相似度成正相关。

摘要：提出一种新的紧密度公式和一种影响簇发现模型,并在此基础上设计基于局部社团探测的采样算法MCMCS_LCD,以及基于MCMCS_LCD的社交圈子自动识别算法SCD_MCMCS_LCD,算法综合考虑局部模块度和节点间紧密度.在真实数据集上的实验表明,SCD_MCMCS_LCD算法在具有较快收敛速度的同时还具有较好的社交圈子识别效果.