[发明专利]基于种子节点扩展重叠社区的发现方法、网络社区系统

说明书

本发明属于社交网络分析技术领域，公开了一种基于种子节点扩展重叠社区的发现方法、网络社区系统，对节点进行过滤，去除边缘须图结构，运用种子选区算法选取传导性良好的种子集；种子扩展使用PPR向量扩展，形成核心重叠社区结构；使用传播算法剔除边缘须图结构重新加入核心重叠社区。本发明可用于大型社交网络的朋友推荐，商品推荐和广告投放；针对大型社交网络的特点，结合边缘须图过滤，种子集选取，种子扩展以及最后的传播算法实现了大型社交网络重叠社区发现的良好效果。

技术领域

本发明属于社交网络分析技术领域，尤其涉及一种基于种子节点扩展重叠 社区的发现方法、网络社区系统。

背景技术

网络社区发现是当代网络分析科学中最热门的话题之一。许多感兴趣的网 络，如社交网络，商品网络等呈现出社区结构的特点。社区结构一般来说是相 比于外部群组的成员节点，内部有更高几率产生联系的群组节点。现有的基于 全局网络的重叠社区发现算法存在开销较大的情况，没有针对社交网络所特有 的性质进行深入挖掘，社区发现结果往往存在社区传导率较高的情况，导致全 局性的重叠发现算法在社交网络重叠社区发现中结果并不理想。随着网络规模 的扩大，基于全局网络的重叠社区发现算法的开销不断增大，算法性能下降明 显，这是由于其算法本身需要综合网络所有节点或者边的某些特征的特性决定 的。因此，基于全局网络的重叠社区发现算法不适合大型网络的重叠社区发现。

综上所述，现有技术存在的问题是：目前现有的全局性重叠社区发现算法 存在开销大的情况，在社交网络重叠社区发现中结果并不理想。

发明内容

针对现有技术存在的问题，本发明提供了一种基于种子节点扩展重叠社区 的发现方法、网络社区系统。

本发明是这样实现的，一种基于种子节点扩展重叠社区的发现方法，所述 基于种子节点扩展重叠社区的发现方法包括：

对节点进行过滤，去除边缘须图结构，运用种子选区算法选取传导性良好 的种子集；

种子扩展使用PPR向量扩展，形成核心重叠社区结构；

使用传播算法剔除边缘须图结构重新加入核心重叠社区。

进一步，所述基于种子节点扩展重叠社区的发现方法具体包括以下步骤：

步骤一，边缘须图过滤；

输入：原图G＝(V,E)；

输出：核心网络G′＝(V′,E′)；

步骤二，种子集选取；

输入：核心网络G′＝(V′,E′)，预期重叠社区数k；

输出：种子集S；

步骤三，种子扩展；

输入：核心网络G′＝(V′,E′)，种子集S，参数α,ε(0＜α＜1,ε→0)；

输出：核心重叠社区；

步骤四，核心社区传播；

输入：原图G＝(V,E)，核心网络G′＝(V′,E′)，核心社区C_i(i＝1,2,......,k)；

输出：重叠社区。

进一步，所述步骤一具体包括：

(1)桥组件发现，初始化桥组件集合对图G所有的边e_i(i＝1,2,......)进行遍历，如果删除e_i后产生两个子图，将e_i加入Q，对所有的桥组件进行标记；