Automated community detection is an important problem in the study of complex networks. The idea of community detection is closely related to the concept of data clustering in pattern recognition. Data clustering refers to the task of grouping similar objects and segregating dissimilar objects. The community detection problem can be thought of as finding groups of densely interconnected nodes with few connections to nodes outside the group. A node similarity measure is proposed here that finds the similarity between two nodes by considering both neighbors and non-neighbors of these two nodes. Subsequently, a method is introduced for identifying communities in complex networks using this node similarity measure and the notion of data clustering. The significant characteristic of the proposed method is that it does not need any prior knowledge about the actual communities of a network. Extensive experiments on several real world and artificial networks with known ground-truth communities are reported. The proposed method is compared with various state of the art community detection algorithms by using several criteria, viz. normalized mutual information, f-measure etc. Moreover, it has been successfully applied in improving the effectiveness of a recommender system which is rapidly becoming a crucial tool in e-commerce applications. The empirical results suggest that the proposed technique has the potential to improve the performance of a recommender system and hence it may be useful for other e-commerce applications.

自动化社区检测是复杂网络研究中的一个重要问题。社区检测的思想与模式识别中数据聚类的概念密切相关。数据聚类是指将相似对象分组并分离不同对象的任务。社区检测问题可以被认为是找到一组密集互连的节点，而与组外节点的连接很少。这里提出了一种节点相似性度量，它通过考虑这两个节点的邻居和非邻居来找到两个节点之间的相似性。随后，介绍了一种使用该节点相似性度量和数据聚类概念识别复杂网络中的社区的方法。所提出方法的显着特点是它不需要任何关于网络实际社区的先验知识。报告了对具有已知地面实况社区的几个真实世界和人工网络的广泛实验。通过使用几个标准，即，将所提出的方法与各种最先进的社区检测算法进行比较。归一化互信息、f-measure 等。此外，它已成功应用于提高推荐系统的有效性，推荐系统正迅速成为电子商务应用中的关键工具。实证结果表明，所提出的技术有可能提高推荐系统的性能，因此它可能对其他电子商务应用有用。报告了对具有已知地面实况社区的几个真实世界和人工网络的广泛实验。通过使用几个标准，即，将所提出的方法与各种最先进的社区检测算法进行比较。归一化互信息、f-measure 等。此外，它已成功应用于提高推荐系统的有效性，推荐系统正迅速成为电子商务应用中的关键工具。实证结果表明，所提出的技术有可能提高推荐系统的性能，因此它可能对其他电子商务应用有用。报告了对具有已知地面实况社区的几个真实世界和人工网络的广泛实验。通过使用几个标准，即，将所提出的方法与各种最先进的社区检测算法进行比较。归一化互信息、f-measure 等。此外，它已成功应用于提高推荐系统的有效性，推荐系统正迅速成为电子商务应用中的关键工具。实证结果表明，所提出的技术有可能提高推荐系统的性能，因此它可能对其他电子商务应用有用。归一化互信息、f-measure 等。此外，它已成功应用于提高推荐系统的有效性，推荐系统正迅速成为电子商务应用中的关键工具。实证结果表明，所提出的技术有可能提高推荐系统的性能，因此它可能对其他电子商务应用有用。归一化互信息、f-measure 等。此外，它已成功应用于提高推荐系统的有效性，推荐系统正迅速成为电子商务应用中的关键工具。实证结果表明，所提出的技术有可能提高推荐系统的性能，因此它可能对其他电子商务应用有用。