[发明专利]动态社交网络中基于联盟形成博弈的社区检测方法

说明书

本发明公开了一种动态社交网络中基于联盟形成博弈的社区检测方法，具体按照以下步骤进行：采用基于模块度的社区检测方法对初始社区结构进行检测，得到初始社区结构Γ；将相邻网络快照上网络社区结构的演变分解为增加节点、增加连边、删除节点或删除连边；计算t时刻的社区结构增加节点、增加连边、删除节点或删除连边后，t+1时刻所有可能形成的社区结构的收益，确定收益最大的社区结构为实际演变后t+1时刻的社区结构，如此对初始社区结构Γ进行动态局部调整，得到实际演变后的社区结构Γ'；本发明不需要在每个网络快照上应用静态社区检测方法在整个网络中检测社区结构，从而能够在大规模社交网络中快速检测社区。

技术领域

本发明属于社交网络技术领域，涉及一种动态社交网络中基于联盟形成博弈的社区检测方法，在社交网络中，网络结构随时都在动态变化，社区结构也因此发生改变。在已知原始社区结构的情况下，根据网络中节点、边的增删情况，基于联盟形成博弈理论对原社区结构进行动态调整，从而快速获得变化的社区结构。

背景技术

随着互联网技术的迅速发展，各种社交应用改变了人们的生活方式。人们在虚拟的互联网中交流合作，形成了大规模社交网络。在社交网络中普遍存在社区结构的特征，即网络中的节点被划分为多个子集，每个子集称为一个社区，同一社区内的节点间连接紧密，而不同社区中的节点间连接比较稀疏。社区结构的挖掘能够帮助人们了解社交网络的内部结构和关系，从而更好地应用社交网络。比如，论文合作网络中社区结构的挖掘能够发现兴趣相似的研究者，进而提供专家推荐。

目前大量的社区检测方法都是针对静态的社交网络，像基于模块度的方法、基于统计推断的方法、团过滤的方法等。除了以上方法，最近几年博弈理论也被引入到社区检测技术中。Chen(<Data Mining and Knowledge Discovery>,2010),Alvari(<AICI>,2011),Lung(<Plos One>,2014)运用非合作博弈理论进行社区发现，其中每一个节点被认为是一个理性的参与者，每一个参与者通过改变自己的社区归属最大化自己的效用。当没有参与者能够单方面通过改变社区归属来提升自己效用的时候，博弈达到均衡，所有参与者的社区归属形成一种社区结构。我们提出了一种基于联盟形成博弈的社区检测技术(<ExpertSystem with Application>,2015)，其中每一个参与者被认为是理性的个体，通过与别人合作形成联盟使得群体的收益最大化。当没有任何联盟能够通过与其他联盟合并来提高收益时，博弈达到均衡，所有参与者的联盟结构即为网络的社区结构。

实际中，社交网络是动态的，网络结构随时都在发生改变。动态网络通常是用不同时间片的网络快照序列表示，因此社区检测在动态网络中可以通过应用静态社区检测方法在网络快照上多次执行来解决，例如，Du等(<IEEE Transaction on Knowledge and DataEngineering>,2015)提出以一种利用非负矩阵分解技术独立地在网络的每个快照上检测社区，但是该方法的效率很低，不能适用于大规模的社交网络。

发明内容

为实现上述目的，本发明提供一种动态社交网络中基于联盟形成博弈的社区检测方法，在动态社交网络中，根据网络的演化对前一个网络快照的社区结构进行局部调整快速获得后一个网络快照的社区结构，不需要在每个网络快照上应用静态社区检测方法在整个网络中检测社区结构，从而能够在大规模社交网络中快速检测社区。

本发明所采用的技术方案是，一种动态社交网络中基于联盟形成博弈的社区检测方法，具体按照以下步骤进行：

步骤1，采用基于模块度的社区检测方法对初始社区结构进行检测，得到初始社区结构Γ；

步骤2，将相邻网络快照上网络社区结构的演变分解为增加节点、增加连边、删除节点或删除连边；