[發明專利]一種微博網絡的社團數量檢測方法及檢測系統

在審

• 申請號: 202010087405.9
• 申請日: 2020-02-11
• 公開（公告）號: CN111275564A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 杜航原
• 申請（專利權）人: 山西大學
• 主分類號: G06Q50/00
• 分類號: G06Q50/00
• 代理公司: 北京市廣友專利事務所有限責任公司 11237
• 代理人: 張仲波

1.一種微博網絡的社團數量檢測方法，其特征在于，包括：

根據微博用戶之間的關注關系，構建微博用戶網絡模型；

對于微博用戶網絡模型中的每個用戶節點，確定其內聚度和分離度，根據得到的內聚度和分離度確定每個用戶節點中心度的標準分數；

根據得到的中心度的標準分數，對微博用戶網絡模型中的用戶節點進行篩選，生成候選社團中心節點集合；

從候選社團中心節點集合中選擇內聚度和分離度滿足預設關系的用戶節點作為社團中心節點，并確定社團數量。

2.根據權利要求1所述的微博網絡的社團數量檢測方法，其特征在于，每個微博用戶對應微博用戶網絡模型中的一個用戶節點；

所述根據微博用戶之間的關注關系，構建微博用戶網絡模型包括：

判斷兩個微博用戶之間是否存在關注關系，若存在，則所述兩個微博用戶對應的用戶節點之間存在一條連邊；

由用戶節點及用戶節點間的連邊共同構成微博用戶網絡模型Net(U,E)，其中，U＝(u₁,u₂,…,u_M)表示微博用戶網絡模型Net(U,E)中所有用戶節點構成的集合，u_i表示微博用戶網絡模型Net(U,E)中第i個用戶節點，1≤i≤M，M為微博用戶網絡模型Net(U,E)中用戶節點的數量，E＝(e₁,e₂,…,e_N)表示微博用戶網絡模型Net(U,E)中所有連邊構成的集合，e_j表示微博用戶網絡模型Net(U,E)中第j條連邊，1≤j≤N，N為微博用戶網絡模型Net(U,E)中所有連邊的數量。

3.根據權利要求1所述的微博網絡的社團數量檢測方法，其特征在于，所述對于微博用戶網絡模型中的每個用戶節點，確定其內聚度包括：

利用兩個用戶節點的公共鄰居用戶節點數，確定所述兩個用戶節點之間的相似度，其中，微博用戶網絡模型Net(U,E)中第i個用戶節點u_i與其鄰居用戶節點u_l間的相似度sim_i,l表示為：

sim_i,l＝|NG_i∩NG_l|

其中，sim_i,l為用戶節點u_i與鄰居用戶節點u_l的相似度，NG_i和NG_l分別表示用戶節點u_i的鄰居節點集合以及鄰居用戶節點u_l的鄰居用戶節點集合；

根據得到的用戶節點間的相似度，確定微博用戶網絡模型Net(U,E)中第i個用戶節點u_i的內聚度I_i：

其中，I_i為用戶節點u_i的內聚度，用于表示用戶節點u_i對其所屬社團中其它用戶節點的最大聚合性，即社團結構內部關聯的稠密性；d_i表示用戶節點u_i的連邊數量；表示用戶節點u_i與其鄰居用戶節點u_l的最大相似度。

4.根據權利要求3所述的微博網絡的社團數量檢測方法，其特征在于，所述對于微博用戶網絡模型中的每個用戶節點，確定其分離度包括：

根據確定的用戶節點的內聚度，確定微博用戶網絡模型中第i個用戶節點u_i的分離度：

其中，P_i表示用戶節點u_i的分離度，用于表示用戶節點u_i與其所屬社團之外的用戶節點間的相關性，即不同社團之間關聯的稀疏性；u_o表示微博用戶網絡模型Net(U,E)中內聚度比u_i高的某一用戶節點；表示微博用戶網絡模型Net(U,E)中內聚度比u_i高的用戶節點與u_i之間的最大相似度。