[发明专利]一种微博网络的社团数量检测方法及检测系统

权利要求书

1.一种微博网络的社团数量检测方法，其特征在于，包括：

根据微博用户之间的关注关系，构建微博用户网络模型；

对于微博用户网络模型中的每个用户节点，确定其内聚度和分离度，根据得到的内聚度和分离度确定每个用户节点中心度的标准分数；

根据得到的中心度的标准分数，对微博用户网络模型中的用户节点进行筛选，生成候选社团中心节点集合；

从候选社团中心节点集合中选择内聚度和分离度满足预设关系的用户节点作为社团中心节点，并确定社团数量。

2.根据权利要求1所述的微博网络的社团数量检测方法，其特征在于，每个微博用户对应微博用户网络模型中的一个用户节点；

所述根据微博用户之间的关注关系，构建微博用户网络模型包括：

判断两个微博用户之间是否存在关注关系，若存在，则所述两个微博用户对应的用户节点之间存在一条连边；

由用户节点及用户节点间的连边共同构成微博用户网络模型Net(U,E)，其中，U＝(u₁,u₂,…,u_M)表示微博用户网络模型Net(U,E)中所有用户节点构成的集合，u_i表示微博用户网络模型Net(U,E)中第i个用户节点，1≤i≤M，M为微博用户网络模型Net(U,E)中用户节点的数量，E＝(e₁,e₂,…,e_N)表示微博用户网络模型Net(U,E)中所有连边构成的集合，e_j表示微博用户网络模型Net(U,E)中第j条连边，1≤j≤N，N为微博用户网络模型Net(U,E)中所有连边的数量。

3.根据权利要求1所述的微博网络的社团数量检测方法，其特征在于，所述对于微博用户网络模型中的每个用户节点，确定其内聚度包括：

利用两个用户节点的公共邻居用户节点数，确定所述两个用户节点之间的相似度，其中，微博用户网络模型Net(U,E)中第i个用户节点u_i与其邻居用户节点u_l间的相似度sim_i,l表示为：

sim_i,l＝|NG_i∩NG_l|

其中，sim_i,l为用户节点u_i与邻居用户节点u_l的相似度，NG_i和NG_l分别表示用户节点u_i的邻居节点集合以及邻居用户节点u_l的邻居用户节点集合；

根据得到的用户节点间的相似度，确定微博用户网络模型Net(U,E)中第i个用户节点u_i的内聚度I_i：

其中，I_i为用户节点u_i的内聚度，用于表示用户节点u_i对其所属社团中其它用户节点的最大聚合性，即社团结构内部关联的稠密性；d_i表示用户节点u_i的连边数量；表示用户节点u_i与其邻居用户节点u_l的最大相似度。

4.根据权利要求3所述的微博网络的社团数量检测方法，其特征在于，所述对于微博用户网络模型中的每个用户节点，确定其分离度包括：

根据确定的用户节点的内聚度，确定微博用户网络模型中第i个用户节点u_i的分离度：

其中，P_i表示用户节点u_i的分离度，用于表示用户节点u_i与其所属社团之外的用户节点间的相关性，即不同社团之间关联的稀疏性；u_o表示微博用户网络模型Net(U,E)中内聚度比u_i高的某一用户节点；表示微博用户网络模型Net(U,E)中内聚度比u_i高的用户节点与u_i之间的最大相似度。