[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在审

专利信息
申请号: 202110275093.9 申请日: 2021-03-15
公开(公告)号: CN113127730A 公开(公告)日: 2021-07-16
发明(设计)人: 翁伟;廖建超 申请(专利权)人: 厦门理工学院
主分类号: G06F16/9535 分类号: G06F16/9535;G06F17/16;G06Q50/00
代理公司: 厦门市精诚新创知识产权代理有限公司 35218 代理人: 何家富
地址: 361000 福建省*** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 重叠 社区 检测 方法 终端设备 存储 介质
【说明书】:

发明涉及一种基于重叠社区的社区检测方法、终端设备及存储介质,该方法中包括: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。本发明能够实现标签传播重叠社区检测,具有良好的检测效果,可以高效提取复杂网络中的高阶信息,并且能够准确地给节点分配其对应的重叠社区。

技术领域

本发明涉及社区检测领域,尤其涉及一种基于重叠社区的社区检测方法、终端设备及存储介质。

背景技术

社区检测算法是挖掘网络应用和分析中信息的重要工具之一。随着信息技术的进步,新型的社会网络不断涌现,社区发现不仅可以广泛应用于协作网络、生物网络、通信网络、食物网络、电子商务推荐系统、社会舆情发现、风控信息传播等领域,而且对于数学、社会学、生物学、工程学等领域中复杂网络的检测具有重要作用。由于复杂网络除了小世界和无标度效应外,社区结构也是复杂网络的另一个主要特征。由于网络的规模和复杂度往往非常巨大,还存在节点所属社区数目不确定、拓扑结构错综复杂等各种问题,使得社区检测技术的应用还存在诸多难题。针对不同类型的网络,还需要设计相应的技术来提高系统性能。

现实生活中的复杂网络往往具有很多局部节点间存在联系紧密或彼此重叠的相似或者相同的子图。这些高频出现的子图能够揭示复杂网络的功能,从而能够为社区挖掘提供重要线索。例如,在社会网络中存在家庭、学校、社区等多个不同的子图,其中的某个特定个体可能存在于当中的多个子图内,同时这些子图中的所有个体可能以某种特定的方式相关联,我们称这种子图为“频繁模式。在这种大型网络的相似子图中寻找重叠社区的检测算法,我们称其为“重叠社区检测模型”。

随着物联网、互联网技术的快速发展,事物之间的联系变得更加紧密和繁杂,交错的联系形成了多变、多样、庞大的网络,例如人际交往关系中的复杂社会网络、交通网络等,因其连接复杂、节点多样、重复性高等特点,称为复杂网络。为了研究复杂网络,相关研究人员已经提出了大量的社区挖掘算法来检测重叠社区。然而现有的这些方法大多数侧重于检测不相交的社区,即便这些社区是真实世界中众所周知的社区。另一个缺点是这些方法往往只关注低阶的邻接信息,导致忽略了网络中的高阶连接网络结构,从而降低了检测性能。

现有的社区挖掘方法大多采用的是假设每个节点恰好属于一个群体,或者是每个节点与其他节点简单连接。这类方法只能检测简单的图,且只考虑了节点之间简单的单跳连接,这类方法不能解决社区重叠问题或高阶结构社区问题,限制了相关技术的应用与推广。

发明内容

为了解决上述问题,本发明提出了一种基于重叠社区的社区检测方法、终端设备及存储介质。

具体方案如下:

一种基于重叠社区的社区检测方法,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。

进一步的,高阶信息检测模型采用频繁模式模型。

进一步的,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:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于厦门理工学院,未经厦门理工学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110275093.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top