[发明专利]综合行动者兴趣与网络拓扑的社区发现方法

权利要求书

1.一种Web社区发现方法，应用于社会网络和资源共享平台，其特征在于，所述方法综合了社会行动者兴趣和社会网络拓扑结构，包括以下步骤：

A.把用户按照标注过的资源表示成标签向量的形式；

B.对上一步产生的向量进行k-medoids聚类，产生基于兴趣的用户社区；

C.按照用户之间建立的朋友关系，计算用户社会网络边的权重，生成带权社会网络图；

D.在社会网络图上用随机游走算法，计算两个用户之间的相关度；

E.根据用户相关度和步骤B中产生的基于兴趣的社区，计算用户与社区的相关度。

2.如权利要求1所述的方法，其特征在于，所述步骤B中的k-medoids聚类方法流程如下：

1)随机挑选k个点作为质心；

2)对每个点计算该点到每个社区中心的距离，把该点加入与它距离最近的社区；

3)重新计算每个社区的中心，中心向量定义为社区内所有点的向量平均值；

4)重新计算每个点到所属中心的距离，选离中心最近的点作为社区中心；

5)重复2)、3)、4)三个步骤，直到每个社区内的点不再变化。

3.如权利要求2所述的方法，其特征在于，所述步骤C中计算用户社会网络边的权重的方法如下：

设行动者u_i拥有的资源集合为R_i，行动者u_j拥有的资源集合为R_j，同时u_i到u_j存在边e_ij，那么边e_ij的权值为：

wij=0.5+12|Ri∩Rj||Ri|.]]>

4.如权利要求3所述的方法，其特征在于，所述步骤D中的随机游走算法采用公式p^(t+1)＝(1-a)Sp(t)+aq，其中p^(t)和q为列向量，p_i^(t)表示第t步时到达点i的概率，p_i⁽⁰⁾表示从目标行动者出发，q表示初始状态，元素q_i表示初始时在结点i的概率，S是转移概率矩阵，S_ij是当前在点i，下一步达到结点j的概率；起始点在q中的初始概率设为1，其它点的概率设置为0。

5.如权利要求4所述的方法，其特征在于，所述步骤D的实现方法为：

对社会网络中每一个结点，从该结点出发，使用带重启机制的随机游走算法进行计算，直至算法收敛，从而得到目标结点到网络中其它结点的相关度。

6.如权利要求5所述的方法，其特征在于，所述步骤E中计算用户与社区相关度的方法为：

对于一个用户u_i，和一个社区C_k，用户到社区的相关度按如下公式计算：

s(ui,Ck)=Σuj∈Cks(ui,uj)|Ck|.]]>