摘要：对现有的社会网络社团发现算法进行研究，发现存在算法时间复杂度高、准确率低和没有充分利用节点属性信息等问题，提出了一种基于节点相似度的社团发现算法以解决这些问题。综合考虑图的拓扑结构和节点属性信息，结合构造属性扩展图的思想和基于结构情境相似度的思想得到节点的相似度，利用改进的K-means算法对所有节点进行聚类得到社团结构。编程实验结果表明，使用该算法得到的社团准确率较高，算法的时间复杂度为线性的，在带属性的数据集上和不带属性的数据集上的测试结果均验证了算法的有效性。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社