CPM算法通过寻找网络中的极大完全子图（maximal-cliques）来发现社区结构，尤其是k-派系社区。算法首先找到所有连通的k-派系，构建重叠矩阵，通过设定阈值来识别不同社区。虽然CPM适用于边密集网络，但在稀疏网络中效率较低，且不能处理完全子图外的顶点。寻找极大完全子图是关键，但随机种子方法可能导致重复。
派系过滤CPM方法(clique percolation method)用于发现重叠社区，派系(clique)是任意两点都相连的顶点的集合，即完全子图。
在社区内部节点之间连接密切，边密度高，容易形成派系(clique)。因此，社区内部的边有较大可能形成大的完全子图，而社区之间的边却几乎不可能形成较大的完全子图，从而可以通过找出网络中的派系来发现社区。
k-派系表示网络中含有k个节点的完全子图，如果一个k-派系与另一个k-派系有k-1个节点重叠，则这两个k-派系是连通的。由所有彼此连通的k-派系构成的集合就是一个k-派系社区。
最低0.47元/天 解锁文章
361
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
