软件学报

作者：王笑，戴芳，郭文艳，王军锋

单位：王笑，西安理工大学 理学院, 陕西 西安 71005411,戴芳，西安理工大学 理学院, 陕西 西安 71005402,郭文艳，西安理工大学 理学院, 陕西 西安 71005403,王军锋，西安理工大学 理学院, 陕西 西安 71005404

关键词：随机块模型;节点度;属性网络;社团检测

随机块模型可以拟合各种网络的生成, 挖掘网络的隐含结构与潜在联系, 在社团检测中具有明显的优势. 广义随机块模型GSB是基于链接社团的思想发现广义社团的, 但其仅适用于有向无属性网络. 针对无向属性网络, 对网络拓扑信息建模的同时对节点属性进行建模, 提出一种度修正的属性网络广义随机块模型DCGSB (degree corrected general stochastic block model). 在该模型中, 假设网络拓扑信息和属性信息的生成过程都服从幂函数形式的分布, 并且引入节点的度来刻画网络的无标度特性, 可以更好地拟合真实网络的生成. 利用期望最大化算法对DCGSB模型的参数进行估计, 通过硬划分处理, 得到节点隶属度, 进而完成社团检测. 在3个含有不同结构的真实属性网络数据集上进行实验, 并与10种社团检测算法进行对比, 结果表明DCGSB模型不仅继承了GSB模型的优点, 能发现广义社团, 而且由于属性信息和节点度的引入, 使其社团检测能力优于其他10种比较算法.

来源：2025年第5期

《软件学报》期刊编辑部

查看软件学报杂志2025年第5期