[发明专利]基于动力距离更新的社区检测方法

说明书

本发明公开一种基于动力同步距离更新的社区检测方法，实现步骤包括：构建社会网络；初始化社会网络中的社区；初始化社会网络中相邻节点之间边的距离；根据边上已有的距离合并与分裂社区；更新社会网络中每条边的距离；判断社会网络中每条边的距离是否全部为0或者1，若是确定社会网络中最终社区，否则返回根据边上已有的距离合并与分裂社区。本发明的检测社区方法将距离动力学与层次聚类中的合并与分裂的思想相融合，能够有效应用于社会网络社区的检测，提高了社会网络社区检测结果的准确度。

技术领域

本发明属于计算机技术领域，更进一步涉及社会网络计算技术领域中的一种基于动力距离更新的社区检测方法。本发明可以在不需要任何额外输入参数的情况下，快速高效地从大规模社会网络中检测出有意义的社区结构，为进一步挖掘具有商业价值的信息提供技术支持。

背景技术

由于社会网络的实用性和普遍性，使得对大规模社会网络的研究成为现阶段一个热点的科学问题，在社会网络中最显著的特征是社区，即社团结构。在研究过程中，我们把社交关系建模成图结构，社交关系中的人对应着图中的节点，社交关系中人与人之间的朋友关系对应着图中的边，这样我们可以利用图进一步进行深入地分析，发现社会网络中的社区结构。在DBLP论文合著网络中，论文作者代表节点，作者之间的合著关系用边表示，网络中的一个社区表示这些作者之间的论文合著数量较多，他们研究领域更为相近。在线社交媒体中，用户被视为节点，用户与用户之间的好友关系被视为边，位于同一社区内的好友之间关系更为密切。

邵俊明等人在其发表的论文“CommunityDetection based on DistanceDynamics”(ACMSIGKDD Conferences on Knowledge Discovery andData Mining2015)中公开了一种基于动力学的社团检测方法Attractor。该方法以迭代地方式不断更新网络中边的距离。该方法的步骤为：步骤1，输入网络紧凑参数；步骤2，计算网络中每条边的就初始距离；步骤3，扫描网络中的每一条边，根据网络的拓扑结构和紧凑参数计算与该边的两个端点相邻的邻居节点对该边距离的影响，从而更新边的距离；步骤4、重复步骤(3)直到图中每条边的距离不再发生变化。该方法存在不足之处是：Attractor最终的检测出的社区个数以及社区的大小依赖于一个手动输入参数，这使得该方法缺乏自动性。由于Attractor过度依赖于局部结构会产生距离震荡的现象，使得迭代次数过多，该方法较为耗时。通常情况下，Attractor总是将网络划分为很多的小社区。

西安电子科技大学在其申请的专利文献“基于振荡器相位同步的符号网络社区检测方法”(专利申请号201310392893.4，公开号CN103475539)中公开一种基于改进的Kuramoto动力学模型的社区检测方法。该方法的步骤为：步骤1，根据待网络中节点之间的关系生成邻接矩阵；步骤2，随机产生N个服从均匀分布的随机数，将所产生的随机数一一对应地设为网络中N个节点的初始相位；步骤3，使用改进的Kuramoto动力学模型更新节点的相位；步骤4，根据每个节点更新前后的相位值差判断节点的相位达到稳定；步骤5，统计各个子区间节点个数。若子区间节点个数大于等于阈值M，则将该组内所有子区间对应的节点作为网络的一个社区；否则，该组内所有节点为网络的重叠节点。该方法存在的不足在于，对于社区间有正连接的网络最终稳定节点相位不能达到一致，导致社区检测的速度慢。另外，该方法检测出来的社区个数依赖于阈值M，这样的阈值会影响到最终检测结果的准确性。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于动力同步距离更新的社区检测方法，在社会网络数据上检测社区，得到能够满足一定正确率的社区结构。