[发明专利]一种大规模复杂网络社区结构检测的方法、系统及装置

权利要求书

1.一种大规模复杂网络社区结构检测的方法，其特征在于：包括以下步骤：

将待检测的大规模复杂网络抽象为图谱数据；

采用多线程并行滑动窗口模型，对抽象得到的图谱数据进行优化存储；

采用多线程并行的自适应标签传播算法对存储的图谱数据进行标签化处理；

根据标签化处理的结果进行后期处理并输出社区结构检测的结果，其中，后期处理包括识别重叠节点和合并子集社区。

2.根据权利要求1所述的一种大规模复杂网络社区结构检测的方法，其特征在于：所述采用多线程并行滑动窗口模型，对抽象得到的图谱数据进行优化存储这一步骤，包括以下步骤：

将图谱数据划分为P个不相交的区间，其中，每个区间对应一个内存块，所述内存块用于存放以对应区间内节点为终点的入边信息和边属性信息；

根据起始节点序号对每个区间内的边按从小到大的顺序进行排序；

根据排序的结果，通过滑动P-1个窗口来获取每个区间内节点的出边信息，并将获取的出边信息存储至对应内存块；

根据节点的入边信息、边属性信息和出边信息，通过节点更新函数进行图谱数据挖掘。

3.根据权利要求1所述的一种大规模复杂网络社区结构检测的方法，其特征在于：所述采用多线程并行的自适应标签传播算法对存储的图谱数据进行标签化处理这一步骤，包括以下步骤：

对存储的图谱数据进行标签初始化处理；

根据标签初始化处理的结果，对存储的图谱数据进行标签更新处理。

4.根据权利要求3所述的一种大规模复杂网络社区结构检测的方法，其特征在于：所述对存储的图谱数据进行标签初始化处理这一步骤，包括以下步骤：

将节点的邻接节点存放于一个数组中，并以该节点命名数组；

将内存块中区间节点对应的标签号初始化为0；

从内存块中选取一个标签号为0的节点为当前节点i；

在当前节点i的邻接节点中查找标签号为0且影响力最大的节点j；

判断节点j的邻接节点中标签值为0且影响力最大的节点是否为当前节点i，若是，则将边(i,j)作为初始边，并将该邻接节点加入与当前节点i和节点j均相邻、标签号为0且影响力最大的节点h，得到极大完全图并执行下一步骤；反之，则从内存块中选取下一个标签号为0的节点为当前节点i，并返回在当前节点i的邻接节点中查找标签号为0且影响力最大的节点j这一步骤；

根据得到的极大完全图，将节点i和节点j中较大的节点编号作为该极大完全图中节点的标签号。