摘要:针对已有社区搜索算法采用高维稀疏向量表示节点, 时间复杂度高的问题, 提出一种基于节点嵌入表示学习的社区搜索算法 CSNERL. 节点嵌入技术能够直接从网络结构中学习节点的低维实值向量表示, 为社区搜索提供了新思路. 首先, 针对已有节点嵌入算法存在着较高的概率在最亲近邻居间来回游走的问题, 提出基于最亲近邻居但不立即回访随机游走的节点嵌入模型 NECRWNR, 采用 NECRWNR 模型学习节点的特征向量表示.然后, 采用社区内所有节点的向量均值作为社区的向量表示, 通过选择与当前社区距离最近的节点加入社区的方法, 实现了一种新的社区搜索算法. 在真实网络和模拟网络数据集上分别与相关的社区搜索算法进行了实验对比, 实验结果表明所提社区搜索算法 CSNERL 具有更高的准确性.