计算机应用研究

作者：付立东,武鑫,王一博,

单位：西安科技大学人工智能与计算机学院,西安710600；

关键词：重叠社区发现,种子扩展,邻域重叠度,节点重要性,社区贡献度,

基金：国家自然科学基金资助项目(62401460,12071367)；陕西省自然科学基础研究计划资助项目(2023JCYB517)；；

针对现有重叠社区发现中局部种子扩展类算法普遍存在种子选择偏差、社区扩展过于依赖质量函数等问题，提出了一种融合局部重要性与种子扩展的重叠社区发现算法（LISEOCD）。首先，基于边的邻域重叠度量化节点重要性，根据节点在局部网络中的重要性筛选种子以规避传统方法的随机性；其次，构建以种子为核心的初始社区结构，通过对节点-种子社区贡献度计算，动态判定节点加入社区的合理性；最后，通过“未被任何社区覆盖的节点分配与高重叠度社区融合”优化策略，进一步提升社区结构的完整性与稳定性。在真实网络、LFR基准网络与六个算法进行对比实验。结果表明，LISEOCD在扩展模块度EQ、F1-score指标上相较于局部种子扩展类最优算法平均提高了6.6%和4.2%，识别发现的社区结构更符合网络的动态特性，且鲁棒性更高。

来源：2026年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第5期