[发明专利]一种融合先验信息和稀疏约束的社团检测方法

说明书

本发明公开的一种融合先验信息和稀疏约束的社团检测方法，步骤包括：1)获取相关的人工网络和实际网络数据集，求解网络相应的邻接矩阵V_ij；2)获取网络中相关节点的Must‑link先验信息，构建矩阵M_ij作为节点间的Must‑link关系矩阵；3)将Must‑link先验信息融合到非负矩阵分解(NMF)模型中，构建新的社团检测模型；4)对迭代求解后的节点划分矩阵进行组稀疏约束；5)最后根据类重表示矩阵进行网络社团结构检测，得到最终的社团划分结果。本发明提出的社团检测方法，不仅考虑到Must‑link这一先验信息，而且也考虑了节点划分矩阵的稀疏性，在人工网络和真实网络数据集上都取得了良好的表现效果。

技术领域

本发明属于复杂网络社团检测技术领域，具体涉及一种融合先验信息和稀疏约束的社团检测方法。

背景技术

随着信息技术的日新月异，越来越多的网络出现在我们的日常生活中，如社交网络、因特网、电信网、文献引用网、疾病关系网和蛋白质相互作用网，从而吸引了越来越多的研究者对网络的运行机理进行研究。研究发现，网络中存在一些链接比较紧密的社团结构(也称为模块)而社团结构之间的链接关系却相对比较稀疏，网络的这种性质被称为模块性。社团检测的研究有助于帮助我们更好的去理解网络的全局运作机制。

目前大多数研究只是根据网络的拓扑结构去检测社团，由于现实生活中的网络的连边数量是相对比较少的并且其中还存在一些错误的连边，因此只是根据连边信息进行社团结构检测往往不能得到准确的社团划分结果。研究表明将一些先验信息同网络的拓扑结构相结合可以更加准确的去发掘网络中隐含的社区结构。

发明内容

本发明的目的在于提供一种融合先验信息和稀疏约束的社团检测方法，解决了现有大多数社团检测方法检测精度较低的问题。

本发明所采用的技术方案是：一种融合先验信息和稀疏约束的社团检测方法，包括以下步骤：

步骤1、获取相关的人工网络和实际网络数据集，求解网络相应的邻接矩阵V_ij；

步骤2、获取网络中相关节点的Must-link先验信息，构建矩阵M_ij作为节点间的Must-link关系矩阵；

步骤3、将Must-link先验信息融合到非负矩阵分解模型中，构建新的社团检测模型；

步骤4、对迭代求解后的节点划分矩阵进行组稀疏约束；

步骤5、根据类重表示矩阵进行网络社团结构检测，得到最终的社团划分结果。

本发明的特点还在于，

步骤1中求解网络相应的邻接矩阵V_ij的具体步骤为：

步骤1.1、求出网络数据集的最大值n，构建一个n×n的初始矩阵V；

步骤1.2、根据以下公式(1)对初始矩阵V进行赋值，得到网络的邻接矩阵V_ij；

式(1)中，E表示网络中的边，v_i，v_j表示节点i和j。

步骤2中Must-link关系矩阵M_ij的具体构建过程为：

如果网络中节点i和节点j具有Must-link这一关系，也表示节点i和节点j必须属于同一个社团，因此节点间的Must-link关系矩阵M_ij可通过以下公式(2)进行定义：

步骤3具体为：

步骤3.1、使用欧氏距离来衡量节点i和节点j之间的相似程度，表示如以下公式(3)所示：