[发明专利]基于社区发现的医疗团队组成方法

权利要求书

1.一种基于社区发现的医疗团队组成方法，其特征在于，包括如下步骤：

S1、数据采集与预处理

通过网络爬虫，初步抓取两个数据集：

数据集A是从万方医学网中抓取的关于医生合作论文信息，主要包括医生id、合作者id以及合作论文数；

数据集B是从挂号网中采集的全国三甲医院中医生团队信息，主要包括医生名、医院名、团队名；

数据预处理

根据数据集A中的医生id从万方医学数据库中医生信息表获取医生姓名和所在医院，将信息保存，得到数据集C，其主要包括医生id、合作者id、合作论文数、医生姓名以及医院名；

将数据集B和数据集C进行关联，关联规则包括两个：一是两个数据集医生姓名相同，二是两个数据集医院名相同，根据上述规则，可将医生合作论文信息和医生团队信息整合在一起，将信息保存，最终得到包括医生ID，姓名，所在医院，合作论文篇数的医生合作数据对；

最后使用并查集重新划分合并医生的ID集合，使得每个集合包含两个ID号，表示两个相互协作的医生；

S2、构造关系图

基于上述最终数据，以医生的ID作为结点；以医生是否有合作论文的关系作为边关系，即有论文合作，则两个节点之间有一条边，无论文合作则无边；以医生合作论文的数量作为边的权重构造基本关系图；

S3、社区划分方法

选用SC，GN，FN，Walk Trap任一方法，用于发觉数据中的社区结构，并对社区进行划分；

S4、社区划分结果及应用

在划分的每个社区满足五度分割理论的前提下，对每一次的迭代应选择使得迭代划分后的社区更稳定的结果，最后用Gephi将最终结果可视化。

2.根据权利要求1所述基于社区发现的医疗团队组成方法，其特征在于，步骤S3中，基于谱聚类SC的社区发现算法将社区中的元素看作是图的节点集V，元素之间的互连可以看作是连接图的节点的边集E；通过以下具体步骤进行社区发现：

步骤1：将社区划分为有权无向图G(V，E)；

步骤2：计算相似矩阵W和拉普拉斯矩阵L；

步骤3：对拉普拉斯矩阵进行特征分解，得到特征值和特征向量；

步骤4：用K-means或其他经典聚类算法进行特征向量空间中的特征向量的聚类，以检测最终的社区。