[发明专利]一种社交网络中的社区结构发现方法

说明书

技术领域

本发明属于网络技术领域，涉及一种复杂社交网络中的社区结构发现方法。

背景技术

现实生活中，许多复杂的系统或以复杂网络的形式出现，或者能够被转换为复杂网络，比如社会关系网络，论文合作网络，计算机病毒传播网络，Facebook网络，QQ朋友圈等等。社区发现就是探测并揭示复杂网络中所固有的社区结构。它被用来帮助人们理解复杂网络中的功能，发现隐藏在复杂网络中的规律，和预测复杂网络的行为。自从Girvan和Newman提出GN算法至今，新的理论新的方法层出不穷。社区发现相关算法的应用领域也不断的涌现。

除了一些经典的社区发现算法，还有一些算法在社区发现中也可以取得比较好的划分效果，例如，韩毅、贾焰等人提出的在社会网络中实现社区发现的方法（专利号：201110103491.9，公开日：2012.05.16）；蔺智挺、吴秀龙等人提出的基于随机游走的社区发现方法（专利号：201110177783.7，公开日：2013.01.02）；徐冰莹、韩伟红等人提出的一种社区发现方法和系统（专利号：201310201298.8，公开日：2013.09.25）等等。除此之外，张璐、蔡皖东等人提出的社交网络意见领袖识别方法（专利号：201310028159.X，公开日：2013.05.22）；蔡琳、蔡皖东等人提出了微博网络意见领袖识别方法（专利号：201310027808，公开日：2013.06.05）等对领袖节点的识别以及作用都做了很好的阐述，但是关于领袖节点的识别也还存在着一些不足。

基于上述的一些社区发现算法，虽然可以得到相应的社区结构，但是以模块度作为标准进行衡量的时候，还是存在着一些不足，本发明提出了一种基于领袖节点的社区发现算法，旨在更好的得到社交网络中的社区结构，特别在以模块度作为衡量标准的情况下，能够得到较高的模块度值，本发明在实际经典网络数据集中进行测试时，算法性能稳定高效，将算法用于后续的社交网络分析中具有非常重要的意义以及广阔的应用前景。

发明内容

有鉴于此，本发明的目的在于提供一种社交网络中的社区结构发现方法，该方法是利用随机游走的思想来进对邻接矩阵进行处理，得到新的节点度数P-degree以及边权值-weight，根据新的节点度数P-degree可以得到社交网络中的领袖节点，基于领袖节点来生成子社区，通过对子社区的一系列操作来进行社区发现。

为达到上述目的，本发明提供如下技术方案：

一种社交网络中的社区结构发现方法，包括以下步骤：步骤一：将社交网络转换为邻接矩阵形式，如果两个节点之间存在边，那么相对应的元素为1，否则为0；步骤二：利用随机游走理论对邻接矩阵进行处理，得到新的节点度数P-degree以及边权值P-weight；步骤三：根据新的节点度数P-degree得到社交网络中的领袖节点；步骤四：基于领袖节点生成子社区，并通过对子社区的一系列操作来进行社区发现。

进一步，在步骤二中，利用随机游走理论处理社交网络相对应的邻接矩阵，将新的节点度数命名为P-degree，新的边的权值命名为P-weight；领袖节点的基础是P-degree(i)的值；根据原始矩阵A，得到过渡矩阵P，其元素表示为P_ij＝A_ij/k_i，其中k_i为节点i的度数；同时，根据过渡矩阵P得到P^t，其元素P_ij^t为一个随机游走者从节点i经过t步走到节点j的概率；矩阵PF用来表示最终得到的矩阵PF＝P*θ₁+P²*θ₂+P³*θ₃......+P^T*θ_t，公式中参数θ₁、θ₂、θ₂......θ_t，0≤θ_i≤1，1≤i≤t，表示对不同的过渡矩阵赋予不同的权值；根据过渡矩阵PF得到P-degree，(P-degree(i))=PF(i,i)。

进一步，在步骤三中，首先将社交网络中的节点根据P-degree(i)的值进行降序排序，节点数目为n，以降序列表中n/4所处的位置元素作为领袖节点的门限值，然后以此进行领袖节点的选择；确认领袖节点后，以领袖节点作为核心将与领袖节点直接相连的节点合并，初步形成子社区结构。