[发明专利]基于社交网络的社团划分方法、装置、存储介质及设备

权利要求书

1.一种基于社交网络的社团划分方法，其特征在于，所述方法包括：

获取根据社交网络中的节点生成的拓扑结构信息；

获取模体的生成条件，所述模体是由至少三个连通的节点组成的切割单元；

从所述社交网络中选择满足所述生成条件的各组节点，生成每组节点对应的模体；

根据所述拓扑结构信息计算各个所述模体的传导率，所述传导率用于指示所述模体之间的连通性；

根据各个所述模体的传导率对所述社交网络进行切割，得到社团，所述社团是所述社交网络中的节点的分组，且所述分组内的节点之间的连接为强连接关系，所述分组间的节点之间的连接为弱连接关系；

若所述社交网络中存在未被划分到任意一个社团中的剩余节点，将所述剩余节点确定为光晕模型的光晕部分；

基于所述光晕模型的局部密度的算法，将所述剩余节点中的部分节点划分到所述社团中，按照所述光晕模型将所述社团中的节点分为光晕边缘的节点和光晕中心的节点。

2.根据权利要求1所述的方法，其特征在于，所述根据各个所述模体的传导率对所述社交网络进行切割，得到社团，包括：

确定各个所述模体的传导率中最小的传导率；

确定最小的所述传导率对应的第一集合和第二集合，所述第一集合包含的节点是所述社交网络中整体连通性最好的至少一个模体中的，所述第二集合包含所述社交网络中不属于所述第一集合的节点；

在所述第一集合和所述第二集合之间进行切割，得到所述社团。

3.根据权利要求1所述的方法，其特征在于，所述根据所述拓扑结构信息计算各个所述模体的传导率，包括：

根据所述拓扑结构信息计算所述社交网络的对角矩阵和拉普拉斯矩阵；

计算所述拉普拉斯矩阵的特征向量；

将所述对角矩阵和所述特征向量输入公式，得到乘积向量，所述D是所述对角矩阵，所述z是所述特征向量；

按照数值大小对所述乘积向量中的各个分量进行排序，根据排序结果生成索引向量，所述索引向量中的分量是所述乘积向量中对应位置处的分量的排序序号；

根据所述索引向量计算各个所述模体的传导率。

4.根据权利要求3所述的方法，其特征在于，所述根据所述索引向量计算各个所述模体的传导率，包括：

对于所述索引向量中的第i个分量，将所述第i个分量对应的节点添加到第一集合中，将所述社交网络中剩余节点添加到第二集合中；

根据公式计算所述传导率，所述S是所述第一集合，所述是所述第二集合，所述是所述第一集合和所述第二集合之间的模体的数量，所述是所述第一集合中模体的数量，所述是所述第二集合中模体的数量；

将i更新为i+1，继续执行所述将所述第i个分量对应的节点添加到第一集合中的步骤。

5.根据权利要求1所述的方法，其特征在于，当所述生成条件包括所述模体的节点数和边数时，所述获取模体的生成条件，包括：

确定所述社交网络最大的连通度k，所述连通度k是指最多去掉所述社交网络中的k条边后，所述社交网络中的节点不连通，所述k为正整数；

根据所述连通度k确定所述模体的节点数和边数，得到所述生成条件。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对于每个所述剩余节点，计算所述剩余节点的第一局部密度；

计算各个社团的中心节点的第二局部密度，所述中心节点是位于所述社团中心处的节点；

当存在第二局部密度大于所述剩余节点的第一局部密度的中心节点时，确定所述剩余节点满足划分条件；

将所述剩余节点划分到所述中心节点所在的社团中。