一种结合局部扩展与重要性序列更新规则的社区发现方法

本发明公开了一种结合局部扩展与重要性序列更新规则的社区发现方法，旨在解决传统标签传播算法在复杂网络中的震荡、随机性及局部最优问题。结合节点的影响力和边的权重信息对网络进行初步的社区划分，节点的影响力通过度中心性、介数中心性及图嵌入等特征计算。使用异步标签传播更新节点标签，避免传统LPA中的震荡现象。通过谱聚类对得到的社区进行优化，利用拉普拉斯矩阵和特征向量从全局视角进一步精细化社区结构，提升社区划分的准确性和稳定性。该方法能够有效提高大规模和动态网络中的社区划分精度，克服传统算法的噪声干扰和随机性影响。为社区发现任务提供了一种更加精确、稳定和可解释的解决方案，推动了复杂网络分析的深入发展。