[发明专利]一种基于近邻特征传播标签的社区发现方法

说明书

本发明提出一种基于近邻特征传播标签的社区发现方法，该方法引入标签预分配机制，对随机初始化的标签进行局部优化；在传播过程中，按照影响力的高低顺序更新各节点的标签，摒弃了原方法中按随机顺序更新节点标签的做法，能展现出更好的稳定性和更高的准确性。本发明方法引入了标签预分配机制，根据各个标签在近邻节点中出现的次数、近邻节点的影响力和节点间的紧密度三个因素对初始化结果进行优化，在优化基础上进行标签传播，降低或消除了随机初始化的结果对社区划分结果的影响。此外，该方法在传播过程中按照影响力由高到低的顺序计算并更新各节点的标签，减少了对各节点标签的反复更新。

技术领域

本发明属于网络领域，具体地，涉及一种基于近邻特征传播标签的社区发现方法。

背景技术

现实中大部分的复杂系统都可以用复杂网络建模进行抽象化处理。研究表明，除具有小世界效应和无标度性外，复杂网络中还普遍存在着社区结构，社区结构目前没有统一的定义，一般认为社区结构表现为社区内节点联系紧密，不同社区节点之间连接稀疏的特征。这种结构在现实生活中很常见，例如：社交网络中的由不同兴趣吸引所构成的好友圈；经贸网络中由不同行业构成的产业圈；蛋白质网络中不同结构的蛋白质之间的交互形成的不同单元。发现复杂系统中的社区结构不仅有较高的学术研究价值，而且对我们了解复杂系统的构成、明晰各组成部分发挥的功能以及相互之间的关系也具有重要的现实意义。

自Girvan和Newman于2002年提出GN算法，社区发现领域开始受到研究人员的广泛关注。目前已有方法在一定程度上提高了标签传播算法的性能，但是这些方法要么完全消除了随机性，不能体现标签传播算法依靠网络结构发现社区的特点；要么拥有较高的时间复杂度，不能进行大规模网络的社区发现。

附图说明

图1为5节点网络图。

图2为8节点网络图。

发明内容

本发明提出一种基于近邻特征传播标签的社区发现方法，该方法引入标签预分配机制，对随机初始化的标签进行局部优化；在传播过程中，按照影响力的高低顺序更新各节点的标签，摒弃了原方法中按随机顺序更新节点标签的做法，能展现出更好的稳定性和更高的准确性。

一种基于近邻特征传播标签的社区发现方法，其特征在于：该方法包括以下步骤：获得随机初始化的标签，对上述标签进行局部优化，优化之后每个节点都会得到一个局部最优的标签；最后以每个节点获得的局部最优标签为基础，开始标签传播，具体为

第一步，初始化网络中所有节点的标签，赋予每个节点一个全局唯一的标签；

第二步，标签预传播；

第三步，记迭代次数为t，t的初始值为1；

第四步，按各节点的近邻节点影响力由大到小的顺序将网络中的所有节点组成一个有序集合；

第五步，对于集合中的每个节点，将在其所有邻居节点中出现次数最多的标签作为该节点在本次迭代时获得的标签；

第六步，对于集合中的任意节点，如果节点在本次迭代和在上次迭代中获得的标签相同，则标签传播结束；否则，令t＝t+1并回到第四步。

特别地,在标签预传播过程中，

第1步，则v_i和v_j为近邻关系，并记为其中表示节点间的近邻关系；

第2步，若则v_i和v_j互为近邻节点；

第3步，v_i的近邻集合

第4步，计算节点紧密度表示任意两个节点v_i和v_j之间的紧密程度；