[发明专利]一种静态社交网络的重叠社团发现方法

权利要求书

1.一种静态社交网络的重叠社团发现方法，其特征在于，所述静态社交网络的重叠社团发现方法包括以下步骤：

第一步，对社交网络进行边图转化；

第二步，将边图和主题发现模型进行映射，得到边的归属情况；

第三步，利用划分准则对边的归属概率矩阵进行重叠划分；

所述静态社交网络的重叠社团发现方法具体包括以下步骤：

步骤一，将原图转化为边图，对边图进行网络量化编码：(a)给定网络G＝(V,E)，其中顶点集为V＝(v₁,…,v_n)，边集为E＝(e₁,…e_m″)，构建边图：将原图G中的边e_i看作边图中的节点，边图中的两节点是否有边连接是看在原图G中是否两条边是否存在公共节点；

构建边图LG的节点：将原图G中边映射为边图中的节点，边图中的节点表示为V(LG)＝E(G)；

构建边图LG的边：边图中的边取决于在原图中两条边是否存在公共节点，对于e∈E(G)，用EP(e)表示原图G中边的两个端点，于是边图LG中的边即原图中两条边是否存在公共节点表示为：

定义边图LG边的权重，建立G的关联矩阵A：

通过关联矩阵A得到边的权重：

其中，D(v_m)表示原图G节点v_m的度；

(b)对边图进行网络量化编码

对于图G＝(V,E)，按照定义先转化为边图LG，定义边图的邻接矩阵H_E×E，而且H(i,j)＝W_i,j

步骤二，边图结构与主题发现模型的映射：(1)LDA模型文档和主题之间服从参数为的多项式分布，主题和词语之间服从参数为多项式分布，利用贝叶斯学派的思想假设和服从超参数分别为和的Dirichlet分布；

(2)文档和主题、主题和词语之间通过主题联系；

步骤三，重叠社团划分：定义归属概率计算方法：

其中，pr^*(i,j)＝max{Pr(i,:)}，count{pr^*(i,j)}表示第i条边划分到第j个社团的次数，α和β为权重系数；得到节点的归属概率值后，可调用重叠的策略；

计算社团重叠程度的方法：

其中，γ∈(0,1)是重叠因子。

2.一种应用权利要求1所述静态社交网络的重叠社团发现方法的社区网络。