[发明专利]一种基于极大团枚举的社交网络中社团发现方法

权利要求书

1.一种基于极大团枚举的社交网络中社团发现方法，其特征在于，该方法包括以下步骤：

S1.将社交网络关系抽象为社交网络图，极大团结果集初始化为空集；

S2.采用core decomposition方法划分所述社交网络图，得到各个顶点的邻接子图；

S3.取出下一个未处理的邻接子图，判断该邻接子图是否达到稠密条件，若是，进入步骤S4，若否，进入步骤S5；

S4.迭代删除步骤S3选取的邻接子图中度数最小的顶点，直至当前子图成为一个团，再回溯去搜索包含之前删除点的极大团，将得到的极大团并入极大团结果集中，进入步骤S6；

S5.调用传统极大团枚举方法进行计算，将得到的极大团并入极大团结果集中，进入步骤S6；

S6.重复步骤S3～S5，直至所有邻接子图处理完，极大团结果集中所有极大团即为发现的社团。

2.如权利要求1所述的社交网络中社团发现方法，其特征在于，所述社交网络关系包括：用户信息以及各个用户之间的关系，将用户抽象为社交网络图中的顶点，将用户之间的关系抽象为社交网络图中的边。

3.如权利要求1所述的社交网络中社团发现方法，其特征在于，步骤S2具体包括以下子步骤：

步骤S21.初始化变量cnt＝1；

步骤S22.从社交网络图当前包含的所有用户顶点中，找出度数最少的用户顶点v，给该用户顶点添加新属性orderid，其值为cnt，并将cnt值加1；

步骤S23.将该用户顶点v及所有与v相连的边从社交网络图中剔除，同时更新与v点所有相连用户顶点的度数；

步骤S24.重复步骤S22～S23，直至社交网络图中用户顶点集合为空集，进入步骤S25；

步骤S25.遍历原社交网络图中的所有用户顶点，根据用户顶点v_i及其所有邻接顶点的orderid，构建用户顶点v_i对应的邻接子图N(v_i)。

4.如权利要求3所述的社交网络中社团发现方法，其特征在于，步骤S25具体包括以下子步骤：

S251.得到用户顶点v_i的邻接表Γ(v_i)＝{u₁,u₂,…}；

S252.根据v_i和Γ(v_i)中每个用户的orderid，将Γ(v_i)分为Γ⁺(v_i)＝{u|orderid(u)＞orderid(v_i)}、Γ^-(v_i)＝{u|orderid(u)＜orderid(v_i)}两个子集合；

S253.根据集合Γ⁺(v_i)和Γ^-(v_i)，构造用户v_i的邻接子图N(v_i)，Γ(v_i)为N(v_i)的点集，E(v_i)＝{(x,y)|(x∈Γ⁺(v_i)ORy∈Γ⁺(v_i))AND(x,y)∈E(G)}为邻接子图的边集，E(G)为原始社交网络图中的边集。

5.如权利要求1所述的社交网络中社团发现方法，其特征在于，步骤S3具体包括以下子步骤：

步骤S31.取出下一个未处理的邻接子图，统计该邻接子图N(v_i)的用户顶点数n_i和边数m_i；

步骤S32.计算该邻接子图的稠密度D(v_i)，计算公式如下：

步骤S33.比较D(v_i)是否大于稠密度阈值若是，进入步骤S4，若否，进入步骤S5。

6.如权利要求5所述的社交网络中社团发现方法，其特征在于，稠密度阈值取值范围为0.4～0.9。