[發明專利]一種基于生成模型的無標度屬性網絡中的社團檢測方法

在審

• 申請號: 201910817986.4
• 申請日: 2019-08-30
• 公開（公告）號: CN110569897A
• 公開（公告）日: 2019-12-13
• 發明（設計）人: 朱瑩瑩;戴維迪;焦鵬飛
• 申請（專利權）人: 天津大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F17/18;G06Q50/00
• 代理公司: 12201 天津市北洋有限責任專利代理事務所
• 代理人: 程小艷

本發明屬于復雜網絡領域，具體涉及考慮網絡中節點的無標度特征和屬性的社團檢測方法，公開一種基于生成模型的無標度屬性網絡中的社團檢測方法，主要步驟包括：S1屬性網絡的定義；S2聯合貝葉斯生成模型；S3模型的優化過程。本發明主要通過一個聯合貝葉斯生成模型，同時對網絡的拓撲結構和節點的屬性進行建模，在生成網絡時能夠有效的保留網絡中節點的無標度特性，解決了考慮網絡內在特征的困難。與傳統的社團檢測方法相比較，最后得到的社團檢測的結果得到了有效的提高。

技術領域

本發明屬于復雜網絡領域，具體涉及考慮網絡中節點的無標度特征和屬性的社團檢測方法，具體一種基于生成模型的無標度屬性網絡中的社團檢測方法。

背景技術

近年來，復雜網絡通常用來表示和分析復雜系統，例如社交系統，生物系統，生態系統等。已經有很多理論研究用來挖掘網絡中的有用信息，社團檢測是復雜網絡分析中的重要任務之一。真實世界網絡往往具有很多特征，例如無標度特性和節點的屬性，它們是社團檢測中應該考慮的關鍵因素，節點的屬性提供了節點和潛在網絡結構的信息，有利于對缺失的網絡拓撲信息進行補充并且提升社團檢測的結果。同時，無標度特性在真實的網絡中是普遍存在的，保留度的異質性同樣有助于社團檢測。因此同時考慮節點度的異質性和屬性信息是復雜網絡社團檢測中值得研究的問題。

已經提出的社團檢測的方法往往僅僅考慮上述的一個方面。Newman等人提出了典型的統計模型——隨機塊模型。它根據網絡中觀測到的邊來檢測潛在社團，該模型假設網絡中的節點產生連邊的概率是基于節點所在的社團。并且隨機塊模型認為同一個社團中的節點是一樣的，并沒有考慮節點的獨特性。DC-SBM模型可以用來解決節點度的異質性，但是沒有考慮節點的屬性信息。Yang等人提出了一個判別模型，利用了網絡的拓撲結構和節點的內容來進行社團檢測，沒有將網絡結構和節點的屬性看作兩個相關的部分來同時對它們進行建模，同時也沒有考慮節點的無標度特性。Chen等人提出了一個貝葉斯非參模型來探索網絡的結構規則。這個模型融合了網絡結構和節點的屬性信息通過假設結構和屬性共享相同的社團關系，同樣的它也沒有考慮網絡中節點的無標度特性。

因此在復雜網絡社團檢測中面臨的挑戰是兩重的：1)在建模網絡的拓撲結構時怎么保留節點度的無標度特性。2)怎樣有效地融合網絡中節點度的異質性以及節點的屬性信息來提高社團檢測的結果，即同時建模變化的度分布和節點的多維屬性。同時保留復雜網絡中節點度的無標度特征和屬性信息使社團檢測的結果更具有廣泛的適用性和意義。

發明內容

本發明的目的在于克服現有技術的不足，提供一種融合網絡拓撲結構和節點的屬性，同時保留了網絡中無標度特性來進行社團檢測的方法。

本發明針對在進行社團檢測時，同時建模網絡結構和節點的屬性，并且保留節點度的無標度特性的困難，提出了一個聯合貝葉斯概率生成模型。該模型包括兩個部分，第一個是拓撲部分，它主要是基于度衰減的隨機塊模型。即在建模網絡結構時，考慮了節點度的無標度分布對社團檢測結果的影響，提出了度衰減變量來刻畫度的異質性。第二個是屬性部分，我們利用典型的LDA主題模型，我們假設每個社團都具有多個主題，即每個社團都具有一個主題分布，每個主題都以一定的概率去生成不同的屬性。并且我們利用一個概率轉移矩陣來揭示社團和主題的潛在聯系，將網絡的結構和節點的屬性看作一個有機的整體。

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：基于聯合貝葉斯生成模型的無標度屬性網絡中的社團檢測的方法，該方法包括如下步驟：

S1屬性網絡的定義：

(1)將具有N個節點和M個屬性的屬性網絡G定義為一個N×N維的鄰接矩陣A和N×M的屬性矩陣X。