[发明专利]一种基于有向图的局部重叠社区发现模型

说明书

本发明公开了一种基于有向图的局部重叠社区发现模型，为解决有向性，提出有向转变为带权重的无向图的模型；进一步的，为研究社区重叠性，提出基于有向图的局部重叠社区发现模型。该模型包含以下五个部分：步骤S1：在有向社交网络图中，找出入度和出度平均值最大的节点作为中心节点；步骤S2：在有向社交网络中，某节点的邻居节点集中，邻居节点之和最多的节点成为该节点的密友；步骤S3：寻找结点隶属社区的紧密度；步骤S4：寻找重叠结点与社区的重叠度；步骤S5：相邻社区以及相邻社区之间的紧密度；本发明的有益效果是：基于有向图进行深入探究，增加真实性；重点关注了模型对真实社区的重叠性；社区发现的结果精准度高。

技术领域

本发明涉及到计算机的社区发现技术领域，具体是一种基于有向图的局部重叠社区发现模型。

背景技术

随着Web2.0的深入应用，虚拟社会网络已经成为人们生活的重要组成部分，在不同的社会网络中，人们发现个体之间往往存在某些共同特性，即网络的群体特性；一般情况下，把内部联系紧密、外部联系稀疏的一群个体称为社区，它反映了网络元素之间的拓扑关系和功能实体，在不同的应用领域，社区代表不同的实体关系群；从巨大的社会网络中挖掘出社区的过程被称为社区发现，是社会网络分析的一个基本任务；因此，发现并分析网络所隐藏的社区结构对了解现实生活中各种社会网络具有重要的意义，在生物学、计算机科学以及社会学等领域都有着广泛的应用。

尽管社区发现已经受到研究者们广泛关注，但是当前社区发现算法主要是针对无向图研究社区结构，但在实际复杂网络中，链接关系时常表现出非对称性或方向性，比如Twitter的用户关注关系，文献网络的引用关系，网页之间的超链接关系等应用网络；因此，本发明依据信息在复杂网络中的传播规律和流动方向性，提出了k-path共社区邻近相似性概念及计算方法，用于衡量结点在同一社区的相似性程度，并给出了把有向图转换为带方向权值的无向图的方法；基于带权无向图提出了一种从局部扩展来探测社区的重叠社区发现模型。

识别重叠结构和层次结构的嵌套社区已经被证明是一项具有挑战性的任务；大多数方法很难扩展到大型网络，而且网络的多变性对被发现的社区进行评估造成出奇的困难；因此，虽然社区网络已经得到了广泛的研究，小社区的存在及其性质现在已经被很好地理解了，但是如何识别超大网络中真实的重叠社区难度越来越高。

上述不足可简化为两点：

1、现有关注模型的关注点都集中在无向图上，而没有在有向图上进行探究。

2、现有关注模型对真实社区的重叠性没有足够的关注。

上述不足，造成社区发现的结果不够精准。

发明内容

本发明的目的在于提供一种基于有向图的局部重叠社区发现模型，以解决上述背景技术中所提到的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于有向图的局部重叠社区发现模型，包括以下步骤：

步骤S1：在有向社交网络图中，找出入度和出度平均值最大的节点作为中心节点；

步骤S2：在有向社交网络中，某节点的邻居节点集中，与节点拥有相同邻居节点最多的节点成为该节点的密友；

步骤S3：寻找结点隶属社区的紧密度；

步骤S4：重叠结点与社区的重叠度；

步骤S5：相邻社区以及相邻社区之间的紧密度。

5.作为本发明进一步的方案：所述步骤S1包括：在有向社交网络图中，找出入度和出度平均值最大的节点作为中心节点，其计算公式如下：