DCC：一种基于级联的社交网络社区发现方法

社交网络中的社区发现旨在寻找并将网络中内在最相似的节点分组。这些相似节点通过计算连接强度来识别。更强的连接表明相连节点对之间具有更高的邻近性。本工作受 Granovetter 论点启发，该论点认为强连接存在于稠密相连的节点内部，且真实网络中的社区核心呈稠密连接。本文提出一种称为“基于级联的不相交社区发现（DCC）”的新方法，展示了一种新的基于局部密度的连接强度度量在社区发现上的有效性。此处，连接强度被用于决定信息传播所遵循的路径。其思路是依据递增的连接强度，沿级联的元组信息向社区核心爬取。在级联生成步骤中，开发了一种新的优先隶属方法，为未分配节点指定社区标签。基于多个真实数据集与基线社区发现算法，从质量与准确性两方面分析了 $DCC$ 的有效性。