[发明专利]一种基于社团密度优化的社群提取方法及系统在审
| 申请号： | 202210695510.X | 申请日： | 2022-06-20 |
| 公开（公告）号： | CN115049514A | 公开（公告）日： | 2022-09-13 |
| 发明（设计）人： | 刘莉;刘军强;马晨曦;廖雨帆 | 申请（专利权）人： | 兰州大学;甘肃日报报业集团有限责任公司 |
| 主分类号： | G06Q50/00 | 分类号： | G06Q50/00;G06N3/00 |
| 代理公司： | 北京东方盛凡知识产权代理事务所(普通合伙) 11562 | 代理人： | 王宁宁 |
| 地址： | 730000 甘肃*** | 国省代码： | 甘肃;62 |
| 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 社团 密度 优化 社群 提取 方法 系统 | ||
1.一种基于社团密度优化的社群提取方法，其特征在于，包括以下步骤：
S1，基于社交网络中社群的聚类特征，利用核心社团扩展算法，获得核心社团；
S2，采用D_SEA算法对所述核心社团进行优化，完成所述社交网络中社群的提取。
2.根据权利要求1所述的基于社团密度优化的社群提取方法，其特征在于，所述S2包括：
S21，设置稀疏性阈值，计算所述核心社团的稀疏性；
S22，选择所述稀疏性中的稀疏性最小社团，并计算与所述稀疏性最小社团相似性最大的社团，得到最大相似社团；
S23，合并所述稀疏性最小社团和所述最大相似社团，得到合并社团；
S24，重复执行所述S21-所述S23，直至所述合并社团的稀疏性大于所述稀疏性阈值，完成所述社交网络中社群的提取。
3.根据权利要求2所述的基于社团密度优化的社群提取方法，其特征在于，所述相似性的计算公式为：
式中，ci表示第i个社团，cj表示第j个社团，sim(u,v)表示杰卡德相似性，|ci|表示社团ci的节点数，|cj|表示社团cj的节点数。
4.根据权利要求2所述的基于社团密度优化的社群提取方法，其特征在于，所述稀疏性的计算公式为：
式中，γ′i表示社团ci的稀疏性，表示社团ci的内部边，表示社团ci与其他社团连接的边数。
5.一种基于社团密度优化的社群提取系统，其特征在于，包括：核心社团模块和优化模块；
所述核心社团模块用于基于社交网络中社群的聚类特征，利用核心社团扩展算法，获得核心社团；
所述优化模块用于采用D_SEA算法对所述核心社团进行优化，完成所述社交网络中社群的提取。
6.根据权利要求5所述的基于社团密度优化的社群提取系统，其特征在于，所述优化模块包括：稀疏性单元、相似性单元、合并单元和提取单元；
所述稀疏性单元用于设置稀疏性阈值，计算所述核心社团的稀疏性；
所述相似性单元用于选择所述稀疏性中的稀疏性最小社团，并计算与所述稀疏性最小社团相似性最大的社团，得到最大相似社团；
所述合并单元用于合并所述稀疏性最小社团和所述最大相似社团，得到合并社团；
所述提取单元用于重复所述稀疏性单元、所述相似性单元和所述合并单元，直至所述合并社团的稀疏性大于所述稀疏性阈值，完成所述社交网络中社群的提取。
7.根据权利要求6所述的基于社团密度优化的社群提取系统，其特征在于，所述相似性单元的计算公式为：
式中，ci表示第i个社团，cj表示第j个社团，sim(u,v)表示杰卡德相似性，|ci|表示社团ci的节点数，|cj|表示社团cj的节点数。
8.根据权利要求6所述的基于社团密度优化的社群提取系统，其特征在于，所述稀疏性单元的计算公式为：
式中，γ′i表示社团ci的稀疏性，表示社团ci的内部边，表示社团ci与其他社团连接的边数。
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兰州大学;甘肃日报报业集团有限责任公司，未经兰州大学;甘肃日报报业集团有限责任公司许可，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/202210695510.X/1.html，转载请声明来源钻瓜专利网。
