基于聚类算法的二分网络社区挖掘算法

　　针对二分网络中社区挖掘的准确性不高、对额外参数的依赖较大的问题，基于谱聚类算法的思想，从二分网络的拓扑结构展开，提出了一种改进的社区挖掘算法。该算法将二分网络映射到单一网络进行社区挖掘，采用资源分布矩阵替代传统的邻接矩阵，挖掘出同类节点间的隐含信息，有效地保证了原图的信息，改进了谱聚类算法的输入，提高了社区挖掘的准确性；将模块度函数概念应用到聚类分析中，用模块度衡量社区挖掘的质量，有效解决了自动确定聚类数目的问题。在实际网络和人造网络上进行实验，与蚁群优化算法、边集聚系数算法等算法进行对比，实验结果表明，所提算法不但能较准确地获得二分网络的社区数目，且在不需要任何额外参数的情况下，能获得很好的划分效果，可以应用于深入理解二分网络，进行推荐、影响力分析等。