[发明专利]基于模糊合作博弈的网络重叠社区发现方法

权利要求书

1.基于模糊合作博弈的重叠社区发现方法，其特征在于，包括以下步骤：

步骤1、随机选择一个孤立节点初始化为社区C；

步骤2、计算社区C的每个邻居节点加入到社区C后社区C的收益；

步骤3、计算社区C的每个邻居节点属于当前社区C的隶属度；

步骤4、选择隶属度乘以社区收益增量最大的节点加入到当前社区C中，由隶属度和收益共同决定节点是否加入到社区C；

步骤5、直到社区的邻接点Neigh_Comunity(C)中所有节点的收益为负值时停止；若社区的邻接点Neigh_Comunity(C)中所有节点的收益不为负值时，继续返回步骤2依次重复执行后续步骤。

2.如权利要求1所述的基于模糊合作博弈的重叠社区发现方法，其特征在于，步骤2中，节点i加入社区C后，社区C收益函数示如下：

revenge(C)=f=degCin(degCin+degCout)α---(1)]]>

公式（1）中，C是划分的一个社区，α控制着社区的大小，通常α在0.9到1.5之间取值，deg^C_in表示社区内的节点的内部度数之和，即社区内部边的数目两倍，deg^C_out表示社区内的节点的外部度数之和，即外部边的数目；

那么节点i加入社区后，社区C收益的增量为：

Δrevenge(C)＝f_{C+i}-f_{C}   （2）

如果Δrevenge(C)＞0,那么表示节点i加入社区C后社区C收益增加，如果Δrevenge(C)＜0，那么表示节点i加入社区C后社区C的收益降低。

3.如权利要求1或2所述的基于模糊合作博弈的重叠社区发现方法，其特征在于，步骤3中，隶属度函数具体表示为：

membership_C(i)＝deg_C(i)-p_C(i)deg(i)   （3）

其中deg_C(i)表示节点i与该社区C内其他节点相连的边的条数，而deg(i)为节点i的度数，p_C(i)表示一端与节点i相连的不在社区C中的边在整个网络所有边中所占的比例；

由于每个membership_C(i)都只与节点i的度数有关，它显然是一个局部变量；为了与隶属度membership_C(i)∈[0,1]的定义保持一致，membership_C(i)的范围保持在0～1范围之内，因此若该值小于0，表明节点i完全不属于社区C,则令membership_C(i)=0，并做如下归一化处理：

λi=membershipC(i)deg(i)=degC(i)deg(i)-pC(i)---(4)]]>

若λ_i＜0，则令λ_i=0。