摘要：集对分析作为处理系统确定性与不确定性相互作用的数学理论，可用来处理存在不确定关系的复杂社会网络。首先，应用集对分析理论，将社会网络作为一个同异反系统（确定不确定系统），采用集对联系度刻画顶点间的同异反关系，综合考虑顶点的局部特征和拓扑结构对顶点相似性的贡献，提出加权聚集系数联系度的顶点间相似性度量方法。该度量方法可以更好地刻画网络结构特征，克服传统局部相似性度量指标对某些顶点间相似性值的低估，降低全局相似性度量指标的计算复杂度。其次，为了将该相似性度量指标应用于社区发现，与凝聚型层次聚类算法相结合，使其适用于具有相似性度量对象的复杂网络社区发现问题。最后，在社会网络上进行社区挖掘实验，并与经典社区发现算法进行比较，实验结果表明了该相似性度量指标的正确性及有效性。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社