[发明专利]基于中心人物的有权图重叠社区发现方法

权利要求书

1.一种基于中心人物的有权图重叠社区发现方法，将复杂网络表示为有权无向简单图G，G＝(V,E)，V为节点集合，n为节点总数，E为边集合，其特征在于，所述方法包括如下步骤：

步骤1：找出中心人物节点；

计算V中各个节点的网络排名值，并从大到小对网络排名值排序，设p_i为第i个网络排名值，选取网络排名值最大的前d个节点作为中心人物节点；

d根据经验参数Θ₂来确定，满足：

设置经验参数Θ₁，使满足：∀i,2<i≤d,1-pipi-1≤Θ1;]]>

经验参数Θ₁和Θ₂均取值在(0,1)之间；

步骤2：计算两两中心人物节点之间的相似度，合并相似节点；

设定参数δ，当两个中心人物节点的相似度大于等于δ时，将两个节点合并，并删除其中一个节点；把被删除节点的所有边及边的权值合并到保留节点上；参数δ取值在(0,1)之间；

步骤3：依据每个中心人物节点构造一个社区，找出与中心人物节点之间有强连接的节点，并加入该中心人物节点所在的社区中；

设依据中心人物节点x构造社区c，c为社区编号；找出包含中心人物节点x的所有三元闭包，设三元闭包中另外两个节点为A和B，节点x与节点A连边的权值为w_xA，节点x与节点B连边的权值为w_xB，节点A和节点B连边的权值为w_AB，若满足下面公式：

min{wxA,wxB,wAB}>wxA+wxB+wAB-min{wxA,wxB,wAB}4;]]>

则三元闭包是强三元闭包，若不满足则三元闭包为弱三元闭包；

定义混合参数Φ(c)为：α、β为两个参数，且α+β＝1；为所有包含节点x的强三元闭包中连接边的平均权值，则为所有包含节点x的弱三元闭包中连接边的平均权值；

设立衡量边是否为强连接还是弱连接的标准E(c)为：表示中心人物节点x的所有连边权值大于Φ(c)的连边的平均权值；

当中心人物节点x的邻居节点i，满足w_xi≥E(c)时，说明节点i与节点x之间为强连接，把节点i加入社区c，w_xi表示节点x与节点i连边的权值；

步骤4：通过加入弱连接扩张社区，具体对于每个当前不属于任何社区的自由节点，进行下面过程：

设自由节点为A，其对社区c的归属度R(A,c)为：其中max(w_Ai)_i∈c为节点A与社区c内节点之间连边的最大权值；

设节点A与m个社区内的节点之间存在边，SQ(A)为A对m个社区的归属度的标准差；定义权重函数W(A)＝SQ(A)；设定参数γ，参数δ取值在(0,1)之间；

若W(A)≤γ，则节点A同时属于m个社区，节点A位于m个社区的重叠部分；否则，从m个社区中去掉归属度最小的社区，然后重新计算W(A)，重新判断节点A所属的社区；当节点A的m-1个社区均被删除了，只剩余一个社区c时，根据节点A对社区c的归属度R(A,c)来判断，若满足R(A,c)≤γ，则节点A属于社区c，否则，节点A为孤立节点；

步骤5：对于每个孤立节点，建立一个社区。