利用局部紧耦合结构提升社区检测的模块性优化质量． 首先，定义了4类边缘紧耦合结构，并提出了一种具有线性复杂度的边缘紧耦合结构挖掘算法． 其次，分别选择k-clique，k-clan，k-plex结构作为核心紧耦合结构，并以长结构优先和短结构优先2种策略将边缘与核心紧耦合结构合并． 然后，将合并后的局部紧耦合结构融入模块性优化过程，提出了一种NFN算法． 该算 法将每个局部紧耦合结构初始化为独立社区，不断凝聚模块性增量最大的2个社区，直至找到预定义数量的社区． 6 个真实数据集上针对外部指标和内部