[发明专利]基于进化计算对社会系统进行社区检测的方法

说明书

背景技术

本发明属于社会计算领域，特别涉及一种基于进化计算对社会系统进行社区检测的方法。可用于复杂社会系统的社区检测和大规模社会系统的社区检测。

技术领域

社会系统是指由社会人和社会人与社会人之间的经济关系、政治关系和文化关系构成的系统，比如一个家庭、一个公司、一个政党、一个国家都是一个个的社会系统，也是不同层次的社会系统。

现实生活中的许多复杂系统都以复杂网络的形式存在，或者能被转化为复杂网络进行处理，社会系统也是一种典型的复杂网络。对复杂网络分析已成为当前最重要的多学科交叉研究领域之一。复杂网络有三个重要的特性：“小世界效应”，“无标度特性”和“社区结构特性”，其中“社区结构特性”是指复杂网络中存在着“同一社区的结点相互连接紧密、而不同社区之间的结点相互连接稀疏”的特点。随着应用领域的不断扩展和发展，社区结构有了不同的新内涵：社会网中的社区代表了具有某些相近特征的人群，生物网络中的功能揭示了具有相似功能的生物组织模块。复杂网络社区检测的目的就是要探测并揭示出复杂网络中固有的社区结构，该问题的研究具有十分重要的理论及现实意义，它不仅仅吸引大量的科学工作者，而且已经被广泛的应用于蛋白质功能预测、恐怖组织识别和连接预测。以复杂网络中的个体为顶点，个体与个体之间的相互联系为“关系”建立起一个关系图问题，复杂网络社区检测问题可以转成为对应的关系图的分割问题。

在现实的社会中，个体与个体之间的联系既有表示“友谊，喜爱，联盟”的正向关系，还有表示“敌对，厌恶，战争”的负向联系。而以往大多数学者致力于解决无权无向图的分割问题，即仅仅考虑个体相互之间的正向联系，忽略个体相互之间的负向联系，容易导致对社会系统的结构功能分析不完整或不精确，在统计社会关系分布时，加入负向联系使得社会系统功能分析更加完整和精确，此时，社会系统所对应的关系图就是带有负向边的有权无向图，社会系统的社区检测问题也随之转变为对该有权无向图的分割问题，有权无向图分割是图论中一个重要的研究前沿。目前，对基于带有负向边的有权无向图分割领域的研究主要集中在：分割准则的设计、谱方法的研究、快速算法的研究，上述方法共同点是需要构建相似度矩阵，并通过求解特征向量来实现数据的分类或聚类，而上述方法对数据中的负向边敏感，可能会导致数据不正确的分类或聚类，而实际的社会系统中个体相互之间的负向联系是很常见且是不容忽略的，所以采用传统的图分割方法很难保证社区检测过程的有效性和效率，其结果可能会导致不同社区中包含社会人的种类出现偏差甚至出现社区分类错误，从而无法正确的刻画出实际社会系统层次结构。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于进化计算对社会系统进行社区检测的方法，实现对社会系统数据的分类或聚类，进而综合分析和判断，实现对社区功能的分析和预测。

本发明的技术方案是这样实现的：

本发明的技术思路是：通过统计社会系统的个体种类，记录个体相互间关系的属性分布，依据这些统计信息构建能够描述社会系统层次结构的加权无向图，把复杂符号网络的社区检测问题转化为相应的图分割问题；通过找到一种新的分割准则——修正模度函数，消除负向边对图分割问题引起的扰动；具体步骤包括如下：

1)对所要研究的社会系统中个体相互联系的属性进行统计分析，统计社会系统的个体数量和个体相互之间的差异均值，这里用{-3,-2,-1,0,1,2,3}7个刻度分别表示{十分不相似,比较不相似,不相似,毫无关联,相似,比较相似,十分相似}7个不同的属性；将差异均值乘以100，构建描述社会系统的邻接矩阵W_n*n，W_n*n={{w_ij⁺}，0，{w_ij^-}}是一个大小为n*n的对称方阵，1≤i,j≤n,其中，n为社会系统规模的大小，即社会系统中个体的数量，{w_ij⁺}是邻接矩阵W_n*n所有正元素的集合，{w_ij^-}是邻接矩阵W_n*n所有负元素的集合；