[发明专利]面向网络的重叠社区发现方法

说明书

技术领域

本发明属于网络社区发现方法，涉及一种面向网络的重叠社区发现方法。

背景技术

现实世界中包含着各种类型的复杂网络，如社会网络、技术网络、生物学网络、网络中页面之间相互链接而形成的网络、论文合著网络、文献引用网络等等。这些现实世界中大量的复杂网络是由许多不同类型的节点组合而成，其中相同的类型节点之间存在的连接比较多，而不同类型节点的连接却相对较少，复杂网络的这种特性称为社区结构。

目前关于社区结构发现的研究己经取得了一定的进展，并且提出了许多社区结构发现方法，应用较多的有:Kernighan-lin方法、GN方法、谱平分法、极值优化方法等,然而，大多数的社区结构发现方法都是假定社区是彼此不重叠的，这就意味着一个节点只能属于一个社区，但是在现实生活中，社区之间是有可能重叠的。例如，在科研合作网络中，某一个学者有可能同时在多个不同的领域与人合作;在生物网络中，某一种蛋白质有可能与多种其他的蛋白质相互作用，这样就有可能有某些节点同时属于多个社区;在社会网络中，某一个兴趣广泛的人有可能参加多个不同的社区活动。发现复杂网络中的重叠社区结构有助于我们更好地理解复杂网络的拓扑结构，对社区中重叠部分的研究有助于我们开启新的思路解决网络拥塞、计算机病毒、舆论的传播和流行病毒传播等问题。现有的社区发现方法对重叠社区发现的准确率较低，尤其对于大规模网络。

发明内容

本发明的目的在于提供一种面向网络的重叠社区发现方法，解决现有技术对重叠社区发现的准确率低的问题。

本发明方法所采用的技术方案是，面向网络的重叠社区发现方法，通过非重叠社区划分的结果初始化网络的节点，然后采用基于模糊合作博弈的方法求社区之间的重叠点，实现网络的重叠社区划分，具体步骤如下：

步骤1、选取非重叠社区发现方法进行社区划分,不包含社区的重叠点；

步骤2、重新确定隶属函数，计算节点属于每个社区的隶属度；

步骤3、重新确定收益函数，计算节点加入到社区后的社区的收益；

步骤4、根据计算的节点的隶属度、节点加入社区后社区的收益求社区的重叠点，实现网络的重叠社区划分。

本发明的特点还在于：

步骤2中，对每个和节点i相连的社团C，这个节点加入到社团C的隶属函数可以表示为：

membershipc(i)=Σm<nshort_distmn(i)/short_distmn---(1)]]>

式中，m、n分别表示社区C中两个不相同的节点，short_dist_mn表示节点m和节点n之间的最短路径数，表示节点m和节点n之间经过节点i的最短路径数；在具有n个节点的社区中，对于给定的节点i来说，最为极端的情况是任意两个其他节点之间的最短路径均经过节点i，那么此时，该节点的membership_C(i)达到最大值(n-1)(n-2)/2.因此，归一化的membership_C(i)可以定义为:

membership_C(i)＝membership_C(i)/[(n-1)(n-2)/2]    （2）

步骤3中，通过EQ函数来作为节点加入到社区后网络的总体收益，EQ值越大，表明网络的整体收益越大，那么，收益函数定义为:

revenge(C)＝EQ            （3）

节点i加入社区后社区C的收益变化为：

Δrevenge(C)＝ΔEQ          （4）