[发明专利]动态异质网络演化聚类分析方法

说明书

本发明公开一种动态异质网络演化聚类方法,主要步骤有，首先研究数据的数据及处理：具体为确定所需研究领域，获取期刊数据；提取研究字段；对获取得数据字段进行提取研究主题，消除无意义词以及常用词。其次是动态异质网络演化聚类。本发明构建动态异质网络的演化聚类框架，旨在对异构网络进行演化分析。通过对其进行分析，得到不同时刻的书目网络的聚类结果，从而可以分析不同类型实体之间的演化趋势，发现网络的出现、消失、合并、分离等演化行为。最后结合现有领域知识，分析网络演化原因与未来发展趋势。通过对书目网络进行全面的分析，可以为领域研究提供有价值的信息，指导未来领域研究发展。

技术领域

本发明属于复杂网络领域，具体涉及一种动态异质网络演化聚类分析方法。

背景技术

近年来，随着诸如社交网络、生物网络、书目网络等网络规模的不断扩大，研究人员从不同的角度对这些网络进行研究。这些网络有共同的属性，即它们包含不同类型的实体。与广泛研究的同构信息网络相比，异构网络包含了全面的结构信息和丰富的语义信息，为数据挖掘任务提供了新的机遇。与传统的聚类方法不同，动态异构信息网络考虑了不同对象的类型，对不同类型节点进行聚类分析，并分析其演化行为，使得分析结果更具有一般性。

发明内容

本发明的目的在于克服现有技术的不足，提供一种动态异质网络演化聚类方法。

本发明为解决上述背景技术中提出的技术问题，采用的技术方案是：动态异质网络演化聚类方法，该方法包括如下步骤：

S1：研究数据的获取及处理：

(1)确定需要研究的领域，提取领域期刊数据；

(2)提取所需研究字段；

(3)对获取的字段进行预处理；

S2：动态异质网络演化聚类：

(1)对预处理所得的数据，确定不同时间片的网络快照；

(2)在第一个时刻，根据经验知识确定先验概率，将网络初始化为k类，在其他时刻，先验概率为将前一时刻的聚类作为下一时刻的先验分布；

(3)为每个聚类建立基于排序的概率生成模型，即可以通过调整相应聚类中对象的类型类分解相应的概率；

(4)为每种对象类型计算后验概率P(c_k|o)，可以通过以下方式来计算：

p^t(c_k|o)∝p(o|c_k)×p^t(c_k)；

(5)一旦后验概率计算完成，对象o可以使用一个向量进行表示v₀＝(P(c₁|o),P(c₂|o),...,P(c_K|o))，通过使用先前的聚类分配，聚类之心的向量v为该聚类对象的平均值，通过使用v₀和聚类质心之间的余弦相似度值，将对象o重新分配到每个聚类中；

(6)迭代第三步和第四步，直到聚类结果不会发生变化；

(7)返回聚类结果，并根据聚类结果，分析每个时间片的成员聚类，通过结合现有知识，分析产生聚类的原因，进一步了解发展现状，指导未来研究。

本发明步骤S1(1)中确定需要研究的领域提取领域期刊数据。

本发明步骤S1(2)中研究字段包括论文、作者、时间、发表期刊/会议，主题词字段。

本发明步骤S1(3)中预处理包括去除无意义词和重复词。

有益效果