[发明专利]一种基于社团密度优化的社群提取方法及系统

说明书

本发明公开一种基于社团密度优化的社群提取方法及系统，包括：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；采用D_SEA算法对核心社团进行优化，完成社交网络中社群的提取。提高了社团检测的准确性。

技术领域

本发明涉及复杂网络分析技术领域，特别涉及一种基于社团密度优化的社群提取方法及系统。

背景技术

社团密度用于评估社团稀疏性，社团密度的计算方法有很多种。Kun等人提出基于节点相似性的社团密度，他们把社团内的节点相似性之和与社团的邻节点相似性之和的比值做为社团的密度。Clauset等人将社团看作一个子图，社团满足内部边数大于外部边数，他们把社团密度定义为社团内部边数与内部边数以及外部边数之和的比值。Cheng等人提出基于社团规模和社团稀疏性的社团密度。社团规模指社团包含节点个数与复杂网络节点个数的比值，社团稀疏性指社团内部边数与外部边数的比值，他们用社团规模与社团稀疏性的乘积来评估社团的密度。Cheng等人定义的社团密度当复杂网络规模较大时容易将复杂网络中的小社团当作稀疏社团，筛选稀疏社团不准确，社团检测准确性低。

发明内容

为解决上述现有技术中所存在的问题，本发明提供一种基于社团密度优化的社群提取方法及系统，在CEA算法社团检测的基础上，通过重新定义筛选稀疏社团的社团密度，并提出基于社团密度优化的种子扩展社团检测算法D_SEA(Seed Extended CommunityDetection Algorithm Based on Community Density Optimization)，提高了社团检测提取的准确性。

为了实现上述技术目的，本发明提供了一种基于社团密度优化的社群提取方法，包括：

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。

可选的，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。

可选的，所述相似性的计算公式为：

式中，c_i表示第i个社团，c_j表示第j个社团，sim(u,v)表示杰卡德相似性，|c_i|表示社团c_i的节点数，|c_j|表示社团c_j的节点数。

可选的，所述稀疏性的计算公式为：

式中，γ′_i表示社团c_i的稀疏性，表示社团c_i的内部边，表示社团c_i与其他社团连接的边数。

本发明还提供了一种基于社团密度优化的社群提取系统，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。

可选的，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；