[发明专利]基于边图的线性流重叠社区发现方法、系统及存储介质

权利要求书

1.一种基于边图的线性流重叠社区发现方法，其特征在于，包括：

步骤S1、将原始网络转换为边图网络；

步骤S2、将得到的边图网络中的边打乱顺序进行随机的选取处理，对每条边处理时，还原边图网络到原始网络，由原始网络中边聚类系数与当前转换后的节点度计算得到当前边的权重和所关联两节点各自的权重；

在步骤S2之前，还进行相关的预处理，包括：在网络中，对于原始网络中边e＝(u,v)，u，v分别为边所关联的两个节点，在边图网络的初始权重为原始网络中对应的边聚类系数，其中，边e所对应的边聚类系数CC_e的计算公式为：

其中，Z_uv代表了在原始网络中边e形成的封闭三角形的个数，d_u、d_v分别为节点u，v在原始网络中的度；

在这一过程中，如果一条边(u,v)先被处理，将节点u，v放在同一个社区，否则就将其放在不同的社区；定义当前边上节点i的权重w_i表示为：

其中，W_i0为边图中节点i的初始权重，等于原网络中所在边的边聚类系数；d_i表示节点i当前的度；

当前边的权重为W_uv为：

W_uv＝W_u+W_v (9)

边(u,v)的权重由当前节点u，v的权重W_u与W_v共同决定；

步骤S3、将当前边的权重与第一阈值进行比较，如果当前边的权重大于第一阈值，将当前边所对应的权重小的节点加入到权重大的节点所在的社区；否则，不对当前边进行社区划分；所述第一阈值为边图网络中所有节点初始权重的平均值除以所有节点的平均度；

步骤S4、重复上述步骤S2及S3，依次对边图网络各边处理后得到整个网络的第一重叠社区划分图。

2.根据权利要求1所述的基于边图的线性流重叠社区发现方法，其特征在于，还包括：

根据第一重叠社区划分图的节点数目确定大社区和小社区的划分标准；以及

将网络中的各个重叠小社区分别划分到相似度最大的大社区中进行社区合并，得到第二重叠社区划分图。

3.根据权利要求2所述的基于边图的线性流重叠社区发现方法，其特征在于，重叠小社区C_i与任一大社区C_j的相似度为：

社区C_i与C_j中公共的节点数占社区C_i与C_j中所有节点数的比例。

4.根据权利要求1至3任一所述的基于边图的线性流重叠社区发现方法，其特征在于，在步骤S2中，边的权重为关联的两节点的权重和。

5.根据权利要求1至3任一所述的基于边图的线性流重叠社区发现方法，其特征在于，所述第一阈值为原始网络中所有节点初始权重的平均值除以边图网络中所有节点的平均度。

6.一种基于边图的线性流重叠社区发现系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至5任一所述方法的步骤。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现上述权利要求1至5任一所述方法中的步骤。