[发明专利]一种基于重叠社区的社区检测方法、终端设备及存储介质

权利要求书

1.一种基于重叠社区的社区检测方法，其特征在于，包括以下步骤：

S1：构建高阶信息检测模型，通过高阶信息检测模型获取待检测信息的复杂网络的重加权网络；

S2：根据重加权网络，计算重加权网络中每个节点包含的社区和每个社区对应的社区分数权重，并计算每个节点的自身权重；

S3：根据每个节点包含的各社区的重叠度对该节点的社区进行筛选，并重新计算筛选后的各社区的社区分数权重，根据筛选后的由节点包含的社区和各社区对应的社区分数权重组成的节点社区列表，得到社区分类结果。

2.根据权利要求1所述的基于重叠社区的社区检测方法，其特征在于：高阶信息检测模型采用频繁模式模型。

3.根据权利要求1所述的基于重叠社区的社区检测方法，其特征在于：通过高阶信息检测模型获取待检测信息的复杂网络的重加权网络的具体过程包括以下步骤：

S101：将复杂网络输入高阶信息检测模型后，高阶信息检测模型输出去对角化网络节点邻接矩阵A，同时将复杂网络中每个节点进行归一化处理；

S102：对邻接矩阵A进行无向处理后，得到邻接矩阵对应的无向邻接矩阵B；

S103：将无向邻接矩阵B转化为频繁模式的邻接矩阵M；

S104：将频繁模式的邻接矩阵M与复杂网络相加后，得到重加权网络。

4.根据权利要求3所述的基于重叠社区的社区检测方法，其特征在于：步骤S103中将无向邻接矩阵B转化为频繁模式的邻接矩阵M的方法为：对无向邻接矩阵B进行矩阵乘法操作，即无向邻接矩阵B相乘自身后再点乘自身。

5.根据权利要求1所述的基于重叠社区的社区检测方法，其特征在于：步骤S2具体包括以下步骤：

S201：针对重加权网络中的每个节点，获取其每个邻居的权重，并根据每个邻居的权重计算该节点对应的每个邻居的分数；

S202：初始化设定每个节点和其每个邻居的社区均为其本身，每个节点对应的社区分数权重为1；

S203：根据每个节点包含的所有邻居，将每个节点的社区更新为该节点的所有邻居对应的社区的集合，将每个节点的社区分数权重与该节点的每个邻居的分数的乘积，作为该节点的每个邻居对应社区的社区分数权重；

S204：将每个节点的所有邻居的社区包含的社区总数作为该节点的自身权重。

6.根据权利要求1所述的基于重叠社区的社区检测方法，其特征在于：步骤S3具体包括以下步骤：

S301：初始化设定节点序号i＝1；

S302：针对每i个节点，将其包含的每个社区的社区分数权重与该节点的自身权重的比值作为每个社区的重叠度；

S303：判断该节点是否存在重叠度大于重叠度阈值的社区，如果是，则删除重叠度小于或等于重叠度阈值的社区后，将节点的自身权重更新为大于重叠度阈值的所有社区的社区分数权重之和，之后使用社区的社区分数权重与更新后的节点的自身权重的比值对社区的社区分数权重进行更新，最后将节点的自身权重更新为1；否则，仅保留社区分数权重最大的社区，其余社区全部剔除，并将保留的社区的社区分数权重更新为1，同时将节点的自身权重更新为1；

S304：将经过步骤S303得到的第i个节点包含的所有社区和每个社区对应的社区分数权重添加至节点社区列表内；

S303：判断i是否等于节点总数，如果是，进入S304；否则，令i＝i+1，返回步骤S301；

S304：构建临时结果存放集合CM、TM和RM并初始化为空，将节点社区列表内所有节点对应的社区和社区分数权重添加至CM内，按照以下两种情况进行处理：

(1)如果CM与TM中的社区类别或社区数量不同，则将CM赋予RM后，再将RM赋予TM，返回步骤S301；

(2)如果CM与TM中的社区类别和社区数量均相同，但社区分数权重不想等，则将CM中社区分数权重最小的社区赋予RM后，判断RM与TM是否完全相同，如果是，输出节点社区列表，进入S305；否则将RM赋予TM，返回步骤S301；

S305：根据节点社区列表得到社区分类结果。