[發明專利]動態異質網絡演化聚類分析方法

在審

• 申請號: 201811270756.2
• 申請日: 2018-10-29
• 公開（公告）號: CN109543033A
• 公開（公告）日: 2019-03-29
• 發明（設計）人: 戴維迪;李勝男
• 申請（專利權）人: 天津大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/332
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程小艷

本發明公開一種動態異質網絡演化聚類方法,主要步驟有，首先研究數據的數據及處理：具體為確定所需研究領域，獲取期刊數據；提取研究字段；對獲取得數據字段進行提取研究主題，消除無意義詞以及常用詞。其次是動態異質網絡演化聚類。本發明構建動態異質網絡的演化聚類框架，旨在對異構網絡進行演化分析。通過對其進行分析，得到不同時刻的書目網絡的聚類結果，從而可以分析不同類型實體之間的演化趨勢，發現網絡的出現、消失、合并、分離等演化行為。最后結合現有領域知識，分析網絡演化原因與未來發展趨勢。通過對書目網絡進行全面的分析，可以為領域研究提供有價值的信息，指導未來領域研究發展。

技術領域

本發明屬于復雜網絡領域，具體涉及一種動態異質網絡演化聚類分析方法。

背景技術

近年來，隨著諸如社交網絡、生物網絡、書目網絡等網絡規模的不斷擴大，研究人員從不同的角度對這些網絡進行研究。這些網絡有共同的屬性，即它們包含不同類型的實體。與廣泛研究的同構信息網絡相比，異構網絡包含了全面的結構信息和豐富的語義信息，為數據挖掘任務提供了新的機遇。與傳統的聚類方法不同，動態異構信息網絡考慮了不同對象的類型，對不同類型節點進行聚類分析，并分析其演化行為，使得分析結果更具有一般性。

發明內容

本發明的目的在于克服現有技術的不足，提供一種動態異質網絡演化聚類方法。

本發明為解決上述背景技術中提出的技術問題，采用的技術方案是：動態異質網絡演化聚類方法，該方法包括如下步驟：

S1：研究數據的獲取及處理：

(1)確定需要研究的領域，提取領域期刊數據；

(2)提取所需研究字段；

(3)對獲取的字段進行預處理；

S2：動態異質網絡演化聚類：

(1)對預處理所得的數據，確定不同時間片的網絡快照；

(2)在第一個時刻，根據經驗知識確定先驗概率，將網絡初始化為k類，在其他時刻，先驗概率為將前一時刻的聚類作為下一時刻的先驗分布；

(3)為每個聚類建立基于排序的概率生成模型，即可以通過調整相應聚類中對象的類型類分解相應的概率；

(4)為每種對象類型計算后驗概率P(c_k|o)，可以通過以下方式來計算：

p^t(c_k|o)∝p(o|c_k)×p^t(c_k)；

(5)一旦后驗概率計算完成，對象o可以使用一個向量進行表示v₀＝(P(c₁|o),P(c₂|o),...,P(c_K|o))，通過使用先前的聚類分配，聚類之心的向量v為該聚類對象的平均值，通過使用v₀和聚類質心之間的余弦相似度值，將對象o重新分配到每個聚類中；

(6)迭代第三步和第四步，直到聚類結果不會發生變化；

(7)返回聚類結果，并根據聚類結果，分析每個時間片的成員聚類，通過結合現有知識，分析產生聚類的原因，進一步了解發展現狀，指導未來研究。

本發明步驟S1(1)中確定需要研究的領域提取領域期刊數據。

本發明步驟S1(2)中研究字段包括論文、作者、時間、發表期刊/會議，主題詞字段。

本發明步驟S1(3)中預處理包括去除無意義詞和重復詞。

有益效果