[发明专利]基于路径相似度对符号网络进行社区检测的方法及系统

说明书

本发明涉及一种基于路径相似度对符号网络进行社区检测的方法，包括：输入邻接矩阵，计算路径对于节点相似性的影响，产生节点的初始状态，更新节点状态，判断更新后节点的状态是否稳定，以及检测出符号网络的社区结构并输出检测结果。本发明的方法针对符号网络特点，计算两个节点之间多跳邻居的正负影响，设计相似性矩阵，基于同社区节点相对于不同社区节点更容易实现同步的原理，对符号网络实现社区检测。节点按照正邻居聚集负邻居远离的网络模型，随时间不断更新状态最终实现社区划分，有效地提高节点状态趋于一致的效率，降低了符号网络社区检测的复杂性，有效快速地检测出符号网络的社区结构，从而克服现有技术检测效率低、复杂度高的缺陷。

技术领域

本发明涉及网络技术领域，并且更具体地，涉及一种基于路径相似度对符号网络进行社区检测的方法及系统。本发明通过使用路径相似度并且利用节点状态趋于一致的原理，能够快速有效地检测出符号网络的各个社区。

背景技术

目前，复杂网络研究正渗透到数理学科、生命学科和工程学科等众多不同的领域，对复杂网络的定量与定性特征的科学理解已成为网络时代科学研究中一个极其重要的挑战性课题。现代网络科学是理解复杂系统的一个重要方法。现实世界中很多复杂系统可以建模成复杂网络，如信息网络、社会网络、合作关系网等等。社区结构是复杂网络中最普遍和最重要的拓扑结构之一。在社会网络中存在这样一种网络，个体之间的联系可能是正向的，如喜欢，尊敬，支持，信任；也有一些个体之间的联系是负向的，如不喜欢，不尊敬，反对，不信任。这样有正负连接关系的网络称之为符号网络。因为符号网络中负邻居的存在，使得不能直接应用原有复杂网络的社区检测方法。为了更加全面客观地检测符号网络中潜在的社区结构，有必要针对符号网络的特点设计出快速有效的社区检测方法。

信息技术领域的快速发展和复杂网络研究的兴起，为符号网络的研究和应用带来了新的机遇和挑战。一方面，随着信息技术领域的发展，无处不在的网络应用和海量的数字化网络数据给研究者提供了丰富的研究对象。以时下流行的在线社会网络为例，部分在线社会网络具有明确的符号标识，并且全程记录了整个网络的演化过程，比如消费者评论网站Epinions、技术新闻评论网站Slashdot、协同编辑百科全书Wikipeda的投票网络，还有包含多种对立关系的在线游戏网络等等，它们为符号网络的研究提供了良好的研究案例。在这些网络上的研究已表明，真实网络的演化即传统社会学中的符号网络演化理论有较高的一致性，同时还受到其他机制的作用。然而，由于在线社会网络的规模都很巨大，这对传统的符号网络分析方法提出了挑战。另一方面，随着复杂网络研究的发展，将复杂系统抽象为网络进行研究的思路和方法得到了学术界和工业界的普遍认可。除传统社会网络外，其他还有许多真实复杂系统中包含着对立关系，比如神经网络、万维网、信任网络等等，都可以抽象为符号网络进行研究。人们越来越意识到，基于符号属性去研究这些网络对准确认识这类复杂系统和其上的应用设计具有重要意义。例如，结合负边信息能在语义网络上更准确地识别话题，能在社交网站上更有效地进行推荐等。总体而言，近期符号网络研究在社会、生物，尤其是信息技术领域呈现增长的趋势。这些都说明符号网络在现阶段具有重要的研究意义和应用价值，并已引起不同领域研究人员的关注。

西安电子科技大学在其申请的专利“基于振荡器相位同步的符号网络社区检测方法”(专利申请号201310392893.4，公开号CN 103475539)中公开一种符号网络的社区检测方法。该方法基于振荡器相位同步原理，能对符号网络实现社区检测，并通过微分方程的并行处理方式可以有效地检测出符号网络的社区结构。但该方法的不足在于对于社区间有正连接的符号网络最终稳定节点相位不能达到一致，检测速度慢。

因此，现有技术存在对于能够有效地检测符号网络中的社区结构的方法和系统的需求。

发明内容

本发明的目的在于克服现有技术的不足，提出一种基于路径相似度对符号网络进行社区检测的方法及系统，以实现快速高效地检测符号网络中的社区结构。本发明使用路径相似度计算，基于节点状态趋于一致的原理，通过动态更新节点状态，根据各个节点稳定时的状态，可快速高效地检测出符号网络的各个社区。