[发明专利]融合标签平均划分距离和结构关系的社区可重叠划分方法

权利要求书

1.融合标签平均划分距离和结构关系的社区可重叠划分方法，包括以下步骤：

⑴微博数据抓取；

⑵核心标签划分：

①对标签进行扩充；

②定义标签区分度TD_i，并获取TD_i较大的top-l个标签作为核心标签并用作后续步骤的社区划分；

⑶基于平均划分距离的准社区划分：

ⅰ定义并计算划分熵：

给定核心标签t_i∈T_core，T_core代表核心标签集合；设t_i构成的划分为，式中代表用户集合且V={v₁,v₂…v_n}，n为用户数目，v_i表示某一用户节点且v_i∈V， 代表包含标签t_i的用户集合，代表不包含标签t_i的用户集合；

P(C_i)表示取到包含标签t_i的用户集合这一事件的发生概率，则核心标签t_i的划分熵定义为： ；

ⅱ定义并计算划分条件熵：

给定核心标签t_i,t_j∈T_core，设t_i,t_j构成的划分分别为和，式中代表用户集合，代表包含标签t_i的用户集合，代表不包含标签t_i的用户集合，代表包含标签t_j的用户集合，代表不包含标签t_j的用户集合；则核心标签t_j关于核心标签t_i的划分条件熵定义为：；

ⅲ定义并计算划分联合熵：

给定核心标签t_i,t_j∈T_core，则划分联合熵定义为：；

ⅳ定义并计算标签划分距离：

划分V/t_i和划分V/t_j的标签划分距离定义为：；

ⅴ求归一化标签划分距离：

划分V/t_i和划分V/t_j的归一化标签划分距离，即V/t_i和V/t_j的标签划分距离与划分联合熵的比值，定义为：；

ⅵ求标签平均划分距离：

给定核心标签t_i,t_j∈T_core，则用标签t_i进行划分的标签平均划分距离MPD(t_i)定义为：，式中l代表核心标签集合中标签的数量；

⑷计算准社区结构相异度：

a求基于关注关系和节点度的结构相似度

由某核心标签所形成的准社区中用户节点的关注关系邻接矩阵记作A，记A_ij=1表示节点i关注了节点j；初始化矩阵A对角线为数字1，记作A*，定义自己是自己本身的关注者，如果v₁关注了v₂，则v₂是v₁和v₂的共同关注，v₁是v₁和v₂的共同粉丝；

一个用户节点v_i表示为R_i(attr1，attr2，attr3，attr4，attr5，attr6)的形式，其中每一维度的含义如表1所示：

表1 节点的结构属性表

用户节点的社交相似程度，其定义如下：

式中：代表节点i对节点j的关注情况，代表节点i对节点k的关注情况，代表每个被关注的节点k所赋的权值，代表节点k对节点i的关注情况，代表节点k对节点j的关注情况，代表每个关注的节点k所赋的权值，I_k代表被关注节点k的入度，O_k代表关注的节点k的出度；

b求结构相异度：

给定用户节点v_i,v_j∈C_k，式中C_k代表第k个社区；综合用户节点的结构属性信息，v_i与v_j之间的节点结构相异度DS(v_i,v_j)定义为：

式中：R_i和R_j分别代表不同的属性向量，T代表转置；

c计算准社区结构相异度：

给定核心标签t_i划分所得的准社区C_k，则标签t_i的准社区结构相异度PDS(t_i)定义为：

；

⑸社区综合划分：

A计算综合划分相异度：

给定调节因子α，综合划分相异度CDS(t_i)定义如下：

；

B求社区重叠度：

社区重叠度overlap(C_i,C_j)定义如下：

式中：V_i代表社区C_i中的用户集合，∩代表交运算，V_j代表社区C_j中的用户集合，min(V_i，V_j)代表社区V_i或V_j中节点最少的某个社区的节点数；

⑹执行迭代算法：

通过实验得到社区重叠度阈值，并初始化社区集合C为∅；

取t=所对应的核心标签t划分出来的准社区C_k为当前社区，并判断社区集合C，是否为∅；

如果社区集合C为∅，则将当前社区C_k加入社区集合C中；如果社区集合C不为∅，则将当前社区C_k与C中已存在的社区两两计算社区重叠度；

如果大于社区重叠度阈值，合并社区C_t与C_k；如果小于社区重叠度阈值，则将当前社区C_k加入社区集合C中。