[发明专利]一种复杂网络局部社区发现方法

说明书

技术领域

本发明属于复杂网络数据挖掘技术，具体为一种复杂网络局部社区发现方法。

背景技术

现实世界中的很多事物都可以按照复杂网络的观点进行分析，比如internet网络、蛋白质网络、电话网络，甚至我们与我们身边的朋友们所建立的交际网络等。这些复杂网络大多具有社团结构的特性，通过对复杂网络中的社团进行发现，人们可以挖掘出很多重要的知识，并利用这些知识更好的为人类服务。比如通过社团人们可以区分出互联网论坛中不同兴趣的团体，进而为这些团体中的成员提供他们所需要的信息；也可以利用科技文献中隐含的引文网络社团结构抽取出不同学科的研究团体及团体之间的交融和演变，为学科的发展提供指导。

在过去的十几年间，出现了很多经典的社团挖掘方法。比如著名的GN方法、谱方法、聚集和分割方法等。这些方法虽然能够较为准确的检测出社区结构，但它们都是全局方法，需要知道整个网络的拓扑信息，而且时间复杂度普遍较高。

鉴于全局方法的局限性，一些学者提出了局部社区发现方法比如Clauset方法、Bagraw方法、Cnll方法等。这类方法从一个源节点开始通过逐渐扩展的方式得到源节点所属的社区。局部社区方法无需知道整个网络的拓扑结构，所以当只需要对部分网络结构或者少数节点的社区属性进行分析时，它们就具有了全局方法不可比拟的优势。不过这些方法大多对源节点的选取比较敏感，这往往会降低方法的稳定性和可靠性。

发明内容

本发明的目的在于提供一种复杂网络局部社区发现方法，通过节点连通强度值来判断社区核心的方向，能较为准确的从源节点找到社区核心，有效提升准确性，避免了现有方法对于源节点选择敏感性的问题。

一种复杂网络局部社区发现方法，从包含源节点的初始社区出发通过逐渐扩展找到源节点所隶属的网络局部社区，其特征在于，所述初始社区按照如下方式确定：

步骤S1：初始化一条空的核心路径，并将源节点添加到该路径，该路径用于存储从源节点到社区核心所途经的各节点；

步骤S2：对于以核心路径中排位最后一个节点为中心的邻域内的每个节点，计算其与最后一个节点的连通强度值，并找到使得连通强度最大的节点z；

步骤S3：判断步骤S2找到的节点z是否包含在核心路径中，如果没包含则将节点z加入核心路径，返回步骤S2；如果包含则按照如下子步骤对核心路径中可能存在的多余节点进行过滤：

S31：确认核心路径中节点z是否位于核心路径中倒数第二个位置，如果是则进入步骤S32，否则就说明不存在多余节点，进入步骤S4；

S32：分别计算核心路径中排位最后两个节点的邻域中心度值，如果最后一个节点的邻域中心度值小于倒数第二个节点的邻域中心度值，则删除核心路径中的最后一个节点，进入步骤S4，否则就说明不存在多余节点，直接进入步骤S4；

步骤S4：将当前核心路径中的节点确定为初始社区；

所述步骤S32中的邻域中心度值计算方式为：

NC(p)＝Count{q|Max{RS(q,r)|r∈N(q)}＝RS(q,p),q∈N(p)}

其中，NC(p)表示节点p的邻域中心度值，N(p)表示节点p的邻域，RS(p,q)表示相邻节点p和q之间的连通强度，Max{*}表示集合中的最大值，Count{*}表示集合中元素的个数。

进一步地，所述步骤步骤S2中的连通强度值按照如下方式计算：

相邻节点u与v间的连通强度RS(u,v)＝indirectRS(u,v)+directRS(u,v)，其中，directRS(u,v)为节点u和v间的直接连通强度，indirectRS(u,v)为节点u和v间的间接连通强度；

若网络为无权网络，则直接连接强度directRS(u,v)=1，间接连通强度indirectRS(,uv)为节点u和v的共同邻居节点数目；