二分图中基于影响力的顶部r社区搜索

二分图上的社区搜索，特别是影响力社区检测，受到广泛关注。现有研究使用最小顶点权重，这在某些顶点权重较低时不足以反映真实的社区影响力。为此，我们提出了基于两个层次平均顶点权重的$(\alpha,\beta)$-影响力社区模型，提供更全面的影响力度量。鉴于准确识别前r个社区的NP难度，我们提出了一种以精细树结构和上界技术为增强的递归算法，以提高效率。此外，我们开发了一个时间复杂度为$O((n+m)+m\log{n})$的贪婪近似算法，并通过修剪策略进行进一步优化。在10个真实世界图上进行实验，证明了我们提出算法的有效性和效率。