[发明专利]一种基于最优网络结构的网络社团发现方法在审

专利信息
申请号: 201911032367.0 申请日: 2019-10-28
公开(公告)号: CN110880017A 公开(公告)日: 2020-03-13
发明(设计)人: 罗敏楠;董怡翔;郑庆华;秦涛 申请(专利权)人: 西安交通大学
主分类号: G06K9/62 分类号: G06K9/62;G06Q50/00
代理公司: 西安通大专利代理有限责任公司 61200 代理人: 贺小停
地址: 710049 *** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 最优 网络 结构 社团 发现 方法
【说明书】:

发明公开了一种基于最优网络结构的网络社团发现方法,1)从原始网络结构中,面向网络社团发现生成最优网络结构;2)基于最优网络结构,为网络节点学习向量表示;3)基于网络节点表示,使用机器学习聚类算法对网络节点进行划分,从而得到网络的社团结构。本发明所公开的基于最优网络结构的网络社团发现方法,同现存的社团发现方法相比,通过数据驱动的策略可以自适应于现实世界中各种网络类型,更具有应用广泛性;同时,考虑并消除了原始网络结构中模糊社团结构的社团间边连接对社团发现的不利影响,通过更细粒度边连接关系的最优网络结构进行更准确、更稳健的社团发现,具有实际应用的优势。

技术领域

本发明属于复杂网络分析领域,具体涉及一种基于最优网络结构的网络社团发现方法。

背景技术

社团结构是复杂网络中常见的结构现象,在社交网络、生物网络和学术论文引用网络中都普遍存在。发现识别网络中社团结构是深入分析网络数据的基础,其主要有两个方面的作用:首先,可以对整个网络结构在全局视角下分析网络中节点间涌现出的宏观连接交互关系,而非局限于局部的边连接关系;其次,在大规模网络分析中,通过社团发现将网络分为多个子网络分别分析再汇总,可以消除对整个网络分析时因规模过大而带来的困难。

网络上的社团发现任务可以视为对网络划分,将所有节点分组以尽可能使组内的连通性强于组间的连通性。传统的社团发现方法大多面向社团发现为网络划分设计一个衡量指标,通过优化该指标来得到反映网络社团结构的最优划分。但是在实际应用中,由于这些指标是预先设定的,无法灵活的适应真实世界中各种的网络类型,是这些方法往往只能适用于某类特定网络;同时,人工设计这类指标是一项极为耗时耗力的工作,开发成本巨大。近年来,出现了基于网络表示学习的社团发现方法,其使用数据驱动的方式将社团信息抽取到节点表示中,再通过对节点聚类得到网络划分,可直接应用于各类网络。但是现有的该类方法在学习节点表示时,大都直接基于原始的二元网络结构,该结构包含了大量模糊社团边界的噪声边连接,并赋予社团内边连接和社团间边连接相同的权重,从而干扰了节点表示有效抽取社团结构信息,影响后续社团发现任务效果。针对以上方法存在的问题,本发明提出了一种基于最优网络结构的网络社团发现方法。传统方案提出了一种复杂网络社团的发现方法,该方法基于划分点来将网络划分为不同社团,其主要包括:首先,根据网络中节点的度来确定初始划分点;然后,定义度量函数从初始划分点中确定最终的划分点;最后,依据网络中所有节点和划分点的连接情况来将所有节点划分为不同的社团。

传统方案提出了一种复杂网络中的社团探测方法,方法主要包括:首先,将网络中所有的节点都初始化一个社团;然后,利用设计的网络划分度量公式,每次选两个社团进行合并,以最大化目标度量;最后,当剩下的社团数量等于真实的社团数量时则停止合并,得到最终的网络上的社团划分。

上述的网络社团发现方法,都基于原始的二值网络结构进行,没有考虑原始网络结构中模糊社团结构的噪声边,也没有挖掘网络中更细粒度的边连接关系。同时,以上方法属于传统的社团发现方法,都使用了固定的网络划分衡量指标,不能广泛应用于结构各异的真实世界网络。

发明内容

本发明的目的在于提供一种基于最优网络结构的网络社团发现方法,以解决上述问题。

为实现上述目的,本发明采用以下技术方案:

一种基于最优网络结构的网络社团发现方法,包括以下步骤:

步骤1,面向网络社团发现的最优网络结构生成:对目标网络G,使用邻接矩阵A∈{0,1}n×n表示其原始的网络结构,其中,当G中节点对(vi,vj)间存在边时,A中对应元素aij=1,否则,aij=0;基于邻接矩阵A,生成适合网络社团发现的最优网络结构W;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安交通大学,未经西安交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911032367.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top