【摘要】传统的社区聚簇划分通常利用邻域节点关系计算节点相似度以实现聚类分析，未充分考虑节点间信息传递的方向性、双向边权的对称强度等特征信息的影响。为提升聚类分析精度，文章提出一种基于有向加权图的双向度量相似度的BDMS算法。该算法首先通过马尔科夫链转移转移概率矩阵构成有向加权图，图中节点的相似度由共邻相似度和直连相似度组成，并综合考虑图中相邻节点、边方向、边权、权值对称性等因素，在此基础上，采用谱聚类无向图切图模式进行聚簇划分，以实现社区聚类分析。实例结果表明，BDMS算法在节点聚集分布、模块度、轮廓系数等方面相比传统的相似度计算方法具有明显优势，同时在谱聚类和传统K-means聚类分析中也表现出较好的适应性，能更好地发现潜在的社区结构。