计算机应用研究

作者：付立东,吴静,

单位：西安科技大学人工智能与计算机学院,西安710699；

关键词：复杂网络,社区检测,加权节点亲和度,自适应算法,模块度优化,边界动态优化,

基金：国家自然科学基金资助项目(12071367)；陕西省自然科学基础研究计划基金资助项目(2023-JC-YB-517)；；

针对传统社区检测算法过度依赖一阶拓扑特征，难以捕获高阶结构中隐含社区关系的问题，提出一种基于加权节点亲和度的自适应三阶段社区检测算法（adaptive community detection algorithm based on weighted node affinity，ACD-WNA）。首先，该算法构建了融合边权重与共同邻居二阶关系的节点亲和度模型，通过差异化权重分配，解决了已有相似度度量的局限性，实现了对网络高阶拓扑特征的精确提取；其次，设计了局部结构相似性与全局模块度增益相结合的双重约束扩展机制，有效平衡了社区内聚性与全局划分质量，避免了社区的过度扩展；最后，引入基于最大模块度增益的全局节点重分配策略，对社区边界进行动态优化与纠错。在多个真实网络与人工网络上的实验表明，该算法在NMI、cut_ratio等关键指标上表现优异，能够稳定获得高质量的社区划分，并展现出卓越的适应性与鲁棒性。

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