[发明专利]一种基于网络嵌入的在线社交网络用户社区发现方法

说明书

一种基于网络嵌入和节点相似性的在线社交网络用户社区发现方法，运用网络嵌入方法把高维社交网络转化为低维向量数据，计算用户节点之间的距离和每个节点的动态邻居引力和动态邻居引力中心性，进而确定各个初始小社区的中心节点然后将其余数据点归属到与其距离最近的初始中心节点所代表的小社区中，生成社交网络用户的初始小社区集合；计算所有节点之间的距离，得到每个节点的最相似节点，形成最相似节点对，然后跟据最相似性节点对合并初始小社区并得到二次社区；最后通过优化模块度的方法合并二次社区并找到最优的网络社区结构。本发明使用网路嵌入向量计算节点之间的距离，利用最相似节点对合并社区，速度快，精确度高。

技术领域

本发明涉及网络科学领域，特别是指一种基于网络嵌入和节点相似性的在线社交网络用户社区发现方法。

背景技术

随着互联网技术的蓬勃发展，推动着人们进入了信息化社会，人类跨入了网络新时代，对世界的认识也越来越深刻。如今，网络几乎覆盖了我们学习、工作、生活等各个方面。人们生活中的娱乐交友、物质消费、信息消费等方方面面都不断被网络化、智能化、终端化。生活中网络服务平台，诸如微博、淘宝、博客、豆瓣网、大众点评等，这些网络系统中的主体与主体间的联系均可以抽象为网络图，并对其进行分析研究。并且由于人际关系的存在，社交网络往往都具有明显的社区结构特征，具有社区内人们联系频繁，社区间联系较少等特点，社区发现作为社交网络分析的重点工作，能够发现社交网络中的社区，不仅帮助用户找到与自己兴趣相同或相仿的其他用户，还可以帮助推荐系统根据不同的用户社团进行推荐。

社区检测又被称为是社区发现，它是用来揭示网络聚集行为的一种技术，在生物网、互联网、交通网、金融网等各式各样的网络中都可以创造可观的价值。目前存在了多种社团发现算法，基于模块度划分的GN方法、图谱聚类方法和基于边聚类的方法、基于标签传播的方法等，但是这些方法存在划分的结果不太稳定，网络中节点间的连边信息常常会被忽略等问题。为了在社交网络中更准确的发现高质量的用户社团结构，本发明提出一种用网络嵌入方法把高维网络拓扑数据转化为低维的向量数据，同时保留网络节点的邻居拓扑信息，提出新引力模型和动态邻居引力并结合节点相似性方法来划分社区。

发明内容

为了克服现有社交网络用户社区划分方法精确度不高等问题，本发明提出一种准确性较高和时间复杂度较低的基于网络嵌入和节点相似性的无参数复杂网络社区划分方法。

本发明解决其技术问题所采用的技术方案是：

一种基于网络嵌入和节点相似性的无参数复杂网络社区划分方法，包括如下步骤：

步骤一：根据在线社交网络用户联系数据构建社交网络模型G(V，E)，其中V表示节点，一个节点表示一个用户，网络的用户总数是N，E表示连边，如果两个用户是好友关系，则这两个用户对应的节点之间有连边，网络中与节点i直接相连的邻居节点的数量用k_i表示；

步骤二：采用Node2Vec网络嵌入方法将具有N个节点的社交网络模型G转化为欧氏空间的N个m维向量表征的数据点，其中第i个数据点表示为

步骤三：在社交网络模型G中任取一个节点i，计算节点i的动态邻居引力

其中d_ij表示节点i与节点j之间的距离，用二者对应向量表征的数据点之间的欧氏距离表示，为单位向量，遍历社交网络模型G，计算所有节点的动态邻居引力；

步骤四：计算社交网络模型G中任意节点i的动态邻居引力中心性

遍历社交网络模型G，计算所有节点的动态邻居引力中心性；