一种新的面向复杂网络大数据的重叠社区检测算法

　 提出一种新的面向复杂网络大数据的重叠社区检测算法DOC（detecting overlapping commumties over　complex network big data），时间复杂度为O（nlog2（n》，算法基于模块度聚类和图计算思想，应用新的节点和边的更新方法，利用平衡二叉树对模块度增量建立索引，基于模块度最优的思想设计一种新的重叠社区检测算法．相对于传统的重叠节点检测算法，对每个节点分析的频率大为降低，可以在较低的算法运行时间下获得较高的识别准确率．复杂网络大数据集上的算法测试结果表明：DOC算法能够有效地检测出网络重叠社区，社区识别准确率较高，在大规模LFR基准数据集上其重叠社区检测标准化互信息指标NMI最高能达到0.97，重叠节点检测指标F-score的平均值在0.91以上，且复杂网络大数据下的运行时间明显优于传统算法，