基于标签传播能力的改进LPA算法

　　现实生活中存在着万维网、社会关系网、引文网络等复杂网络。这些复杂网络大部分都属于关系型数据，图可以有效描述各类关系型数据。因此，以节点代表网络中的实体，以边代表实体间的关系，将复杂网络抽象为图的方法广泛应用在众多领域之中。

　　社团结构是复杂网络中普遍存在的基本结构，指的是网络的一种节点子集，同一集合中的节点相互之间连接较为紧密，不同集合中的节点相互之间连接较为稀疏。社团结构的发现对于复杂网络分析具有重要的意义。近年来，学者们已经提出了很多社团发现的算法，例如基于边介数的GN算法，基于模块度优化的FN算法，基于网络编码的Infomap算法，基于非负矩阵分解的NMF算法等。然而随着网络规模的不断增大，很多算法都面临着时间复杂度高的问题，不能很好地适用于大规模网络分析。

　　针对上述问题，本文提出一种基于标签传播能力的改进LPA算法（IPLPA），并在K-shell分解算法的基础上，构造出一种新的节点重要性计算方法。