[發明專利]基于局部距離和節點秩優化函數的社交網絡社區發現方法

有效

• 申請號: 202010581334.8
• 申請日: 2020-06-23
• 公開（公告）號: CN111738515B
• 公開（公告）日: 2021-08-10
• 發明（設計）人: 劉小洋;丁楠;劉加苗
• 申請（專利權）人: 重慶理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/00
• 代理公司: 重慶天成卓越專利代理事務所(普通合伙) 50240
• 代理人: 王宏松

本發明提出了一種基于局部距離和節點秩優化函數的社交網絡社區發現方法，包括以下步驟：S1，獲取網絡社交節點數據集，對獲取的網絡社交節點數據集進行拉普拉斯歸一化處理；得到拉普拉斯節點矩陣；S2，根據網絡社交的內部距離和外部距離，計算得到網絡社交節點值：若網絡社交節點值大于或者等于預設網絡社交節點值，則發現網絡社交社區；若網絡社交節點值小于預設網絡社交節點值，則重新發現網絡社交社區。本發明考慮了節點自傳遞問題。其次，提出的方法綜合考量了邊權值問題，能夠有效表示出整個社交網絡的特征結構。最后本發明與其他方法相比，具有更好的性能。

技術領域

本發明涉及一種社交網絡技術領域，特別是涉及一種基于局部距離和節點秩優化函數的社交網絡社區發現方法。

背景技術

在過去的二十年中，互聯網發展全球化進程的提速，數據網絡在人類社會中的地位變得愈來愈重要，研究人員對復雜網絡的研究也越來越感興趣。在大自然中，復雜網絡形式多樣，由相互影響相對獨立的社區組成。例如，社交網絡、生物網絡、經濟網絡、信息網絡等等。社區結構是復雜網絡的重要拓撲屬性，所以社區發現在復雜網絡分析和數據挖掘等研究中具有重要意義。這種屬性使社區發現更好地分析復雜網絡并提取有用的信息并應用于各個領域，例如文本分析，個性推薦系統，用戶標識，流行病傳播，行為預測。

盡管已經有很多關于社交網絡社區發現的文章，在網絡中，每個集群中包含的節點之間必須以某種方式彼此關聯，而不是與集群外部的節點相關，從而形成一個社區。因此大多數研究人員都認為，社區的特征是社區節點之間緊密連接以及與社區外部的節點稀疏連接。自從Girvan和Newman創性的工作以來，已經提出了許多用于復雜網絡中社區檢測的算法，其中最為典型算法，例如模塊度優化算法，標簽傳播算法，貪心算法，隨機游走算法，譜劃分算法，模糊算法。

發明內容

本發明旨在至少解決現有技術中存在的技術問題，特別創新地提出了一種基于局部距離和節點秩優化函數的社交網絡社區發現方法。

為了實現本發明的上述目的，本發明提供了一種基于局部距離和節點秩優化函數的社交網絡社區發現方法，包括以下步驟：

S1，獲取網絡社交節點數據集，對獲取的網絡社交節點數據集進行拉普拉斯歸一化處理；得到拉普拉斯節點矩陣；

S2，根據網絡社交的內部距離和外部距離，計算得到網絡社交節點值：

若網絡社交節點值大于或者等于預設網絡社交節點值，則發現網絡社交社區；

若網絡社交節點值小于預設網絡社交節點值，則重新發現網絡社交社區。

在本發明的一種優選實施方式中，在步驟S1中，對獲取的網絡社交節點進行拉普拉斯歸一化處理計算方法為：

其中，D表示節點度矩陣；

表示未歸一化的拉普拉斯矩陣；

A表示鄰接矩陣。

在本發明的一種優選實施方式中，在步驟S1中，拉普拉斯節點矩陣中元素值的計算方法為：

其中，deg(v_i)表示節點i的度；

deg(v_j)表示節點j的度；

v_i表示節點i；

v_j表示節點j；

表示拉普拉斯節點矩陣中第i行第j列的元素值。

在本發明的一種優選實施方式中，在步驟S2中，網絡社交的內部距離的計算方法為：