[发明专利]一种基于社区划分的在线社交网络海量数据存储方法

权利要求书

1.一种基于社区划分的在线社交网络海量数据存储方法，其特征在于包括以下步骤：

（1）获取社交网络结构；

（2）将步骤（1）中所得的社交网络结构分为名人用户网络层和普通用户网络层；

（3）对步骤（2）中的每一层网络进行社区划分；

（4）按照社区大小进行数据存储；

（5）将名人用户进行多副本存储。

2.根据权利要求1所述的基于社区划分的在线社交网络海量数据存储方法，其特征在于：所述步骤（1）中的获取社交网络结构的具体步骤如下：

（11）将社交网络中的用户抽象成网络中的节点，则用户之间的关注与被关注的好友关系抽象为有向边，即用户i关注用户j，表示有一条边从节点i指向节点j，定义A是这个网络的邻接矩阵，A_ij表示节点i指向节点j的边的权重，该权重均设置为1；

（12）将上述有向网络转换成无向网络，调整两个节点之间的权重，若用户i与用户j互相关注，则A_ij为2；若两个用户互不关注，则A_ij为0；若两个用户中只存在单向的关注关系，则A_ij为1，最后设置A_ji=A_ij。

3.根据权利要求1所述的基于社区划分的在线社交网络海量数据存储方法，其特征在于：所述步骤（2）中的具体步骤为：设定粉丝数量阈值为K，粉丝数量大于K的社交网络用户为名人用户，粉丝数量小于K的社交网络用户为普通用户，原网络便可以分为普通用户网络层和名人用户网络层，统称为G。

4.根据权利要求1所述的基于社区划分的在线社交网络海量数据存储方法，其特征在于：采用模块度优化方法对步骤（2）中所得普通用户网络层和名人用户网络层分别进行社区划分，具体方法如下：

（31）假设初始网络有n个节点，编号为i(i=1,2,...,n)，每个节点的度分别为k_i，依据节点度优先方法，优先让度大的节点选择h跳以内的好友为一个小集团，再从剩余的节点中找到节点度最大的节点，重复结伴操作，直至所有节点都被包含在一个小集团中，对每个小集团编号C_i，即初始的社区编号；

（32）结伴操作完成后，将每个小集团封装成一个超节点，超节点与超节点之间边的权重设定为内部子节点之间的权重之和，形成超网G₀，即初始的网络结构；

（33）通过模块度优化的方法，将超节点合并，超节点之间连边的权重越大，则说明两个超节点内部的节点联系越紧密；设t时刻网络结构为G_t，邻接矩阵为A_t；

根据公式Q=12mΣi,j[Aij-kikj2m]δ(Ci,CJ),]]>计算此时模块度为Q_t，公式中k_t=∑_iA_ij，m为网络中所有连边的权重之和，即k_i是节点i连边的权重之和，即k_t=∑_jA_ij，C_i表示节点i所在的社区编号，δ(x,y)是一个关于x和y的函数,当x=y时值为1，反之为0；

（34）t+1时刻的合并超节点操作中，采用权重优先策略，优先将权重大的边两端的超节点合并，计算合并后的模块度Q_new；如果Q_new≥Q_t，则选择合并，Q_t+1=Q_new，形成网络Q_t+1；反之不合并，继续选择边权重次大的两个超节点合并；

（35）重复上述合并、调整网络的过程，直至模块度的值基本稳定为止，稳定状态时相邻两个时刻的模块度的值相差不大于ε值，即Q_t+1-Q_t≤ε。