[发明专利]一种基于标签传播算法的社区发现方法和装置

说明书

技术领域

本发明涉及信息技术，尤指一种基于标签传播算法的社区发现方法和装置。

背景技术

在现实世界中，许多系统以网络的形式连接在一起，而社区发现作为研究复杂网络的方法，对于研究网络的规律以及预测网络的走向都具有重要意义。

对于社区发现的研究，目前分为两个方向：一种是将图形理论应用到复杂网络的研究中，将图中的点抽象为网络中的个体，将边抽象为不同个体之间的联系；另一种是通过数据挖掘等聚类算法对网络进行划分。其中，基于网络拓扑的标签传递算法(Label Propagation Algorithm,简称为LPA)在社区发现应用广泛，具有简单实现等特点，但原始的LPA也存在这一些缺陷：由于标签传播过程中，是随机选择标签来更新原有标签的，因此导致基于标签而产生的算法的结果不稳定。

发明内容

为了解决上述技术问题，本发明提供了一种基于标签传播算法的社区发现方法和装置，其能够更加准确而稳定地划分将要更新标签的节点所在的社区。

为了达到本发明目的，本发明实施例提供了一种基于标签传播算法的社区发现方法，该方法包括：

按照标签传播顺序更新节点的标签的步骤，该步骤包括下列步骤：

对于在表示社交网络的社交网络图中的将要更新标签的节点，统计在将要更新标签的节点的所有邻居节点的唯一的标签中的每种标签的数量；

判断在将要更新标签的节点的所有邻居节点的标签中，是否仅有一种标签的数量最多：若判断仅有一种标签的数量最多，则采用数量最多的标签来更新将要更新标签的节点的标签；若判断有两种以上的标签的数量最多，则通过局部相似性计算公式分别计算在将要更新标签的节点与具有数量最多的标签的各个邻居节点之间的相似性，并且采用相似性最高的邻居节点的标签来更新将要更新标签的节点的标签；其中，局部相似性计算公式为：

其中，V_i表示将要更新标签的节点，V_j表示节点V_i的具有数量最多的标签的邻居节点，f_ij表示节点V_i与节点V_j的相似性，St(i)表示节点V_i的星形邻域子图，St(j)表示节点V_j的星形邻域子图，V_e∈St(i)∩St(j)表示在节点V_i与节点V_j的共同的邻居节点，k_e表示节点V_e具有的连接数量。

进一步地，在一个可选的实施例中，在采用相似性最高的邻居节点的标签来更新将要更新标签的节点的标签的步骤之后，该方法还包括：

判断在社交网络图中的所有节点的标签是否变化：如果在社交网络图中的所有节点的标签中有节点的标签变化，则重新进行按照标签传播顺序更新节点的标签的步骤；如果在表示社交网络的社交网络图中的所有节点的标签不再变化或者更新节点的标签的次数达到预设的最大迭代次数，则根据节点的标签来划分节点在社交网络中所属的社区。

进一步地，在一个可选的实施例中，按照标签传播顺序更新节点的标签的步骤，还包括：

在统计在将要更新标签的节点的所有邻居节点的唯一的标签中的每种标签的数量之前，对在表示社交网络的社交网络图中的所有节点进行初始化，为表示社交网络的社交网络图中的各个节点分别分配唯一的标签。

本发明实施例的有益效果在于：在标签传播过程中，通过加入将要更新标签的节点与其邻居节点的相似性(亲密度)这个参数来选择相似性最高的邻居节点的标签，更新将要更新标签的节点的标签，因此将要更新标签的节点更新后的标签是与该节点邻居节点的标签，因此可以更加准确而稳定地划分将要更新标签的节点所在的社区。

为了达到本发明目的，本发明实施例还提供了一种基于标签传播算法的社区发现装置，该装置包括用于按照标签传播顺序更新节点的标签的节点更新模块，该模块包括：

标签数量统计模块，设置成：对于在表示社交网络的社交网络图中的将要更新标签的节点，统计在将要更新标签的节点的所有邻居节点的唯一的标签中的每种标签的数量；以及