[发明专利]基于团扩张和二次优化的社交网络全局重叠社团检测方法

权利要求书

1.基于团扩张和二次优化的社交网络全局重叠社团检测方法，其特征在于，该方法包括以下步骤：

S1.将社交网络转化为社交关系图；

S2.从社交关系图找出所有极大团，将所有极大团按其节点数目进行降序排列，然后依次检查每个极大团，删除所有与其节点重叠率≥τ且尚未检查的极大团，第一阈值τ的取值范围为[50％,100％)；

S3.将每个极大团作为种子进行扩张采样，得到覆盖该极大团及其邻近节点的采样子图；

S4.对每个采样子图，使用二次优化求解方法，得到该采样子图所有节点的归属程度向量；

S5.根据每个采样子图的归属程度向量和采样子图的节点子集的电导，从该采样子图中抽取出一个社团，节点集合C的电导定义为；

其中，为C的余集，为C和的连边数，Vol(C)为C的节点度之和；

S6.所有社团的集合作为大规模社交网络的全局重叠社团检测结果；

对于不同极大团，S3、S4、S5并行化进行；

对于微信用户社交网络，顶点就是微信用户，边就是好友关系；对于微博用户社交网络，顶点就是微博用户，边就是关注关系；对于微信用户社交网络，全局重叠社团检测的结果就是所有好友圈；对于微博用户社交网络，全局重叠社团检测的结果就是每个大V和他/她的粉丝团；

步骤S3包括以下子步骤：

S31.计算极大团S的初始概率分布p₀；

S32.从初始概率分布p₀出发，在社交关系图上执行k₀步懒惰随机游走，得到新的概率分布

S33.从社交关系图中选取的所有节点，构成极大团S对应的采样子图G_s，第二阈值γ取值范围为其中，Vol(S)为极大团S所有节点度之和；

在社交关系图G＝(V,E)上k₀步懒惰随机游走的迭代过程如下：

1.初始化，迭代轮次t＝0，初始概率d(x)为节点x的度；

2.第t轮迭代，初始化新节点集本轮概率对于所有原节点集S中的每个节点s_i，进行以下操作：

(1)该节点的邻居节点集合为U_i，其本轮概率p_t+1(s_i)＝p_t+1(s_i)+p_t(s_i)/(|U_i|+1)，对于U_i中的每个节点u_i，计算本轮概率p_t+1(u_i)＝p_t+1(u_i)+p_t(s_i)/(|U_i|+1)；

(2)更新节点集U＝U∪U_i；

3.更新原节点集S＝U，更新迭代轮次t＝t+1；

4.重复步骤2～3，直到t＝k_o，输出概率分布p_t；

其中，p_t(s_i)表示第t次迭代时指定节点s_i上的概率，p_t表示第t次迭代时第1个节点到第n个节点的概率分布，n表示社交关系图G的节点数。

2.如权利要求1所述的方法，其特征在于，所述将社交网络转化为社交关系图具体如下：社交网络中的个体用节点表示，两个个体之间的联系用边表示。

3.如权利要求1所述的方法，其特征在于，采用Bron-Kerbosch算法从社交关系图找出所有节点数≥3的极大团。