[发明专利]一种基于多标签传播的重叠社团挖掘方法

权利要求书

1.一种基于多标签传播的重叠社团挖掘方法，其特征在于，具体步骤如下：

步骤1、初始化阶段，利用LeaderRank方法计算出网络中所有节点的LR值，并按LR值的降序对所有节点进行排序，从而确定更新顺序，并给每一个节点分配一个唯一的标签；

步骤2、设计标签传播策略，根据步骤1中得到的节点排列顺序，计算每个节点与其相邻节点的节点相似性，开始传播更新标签直至标签数量达到最小；

步骤3、进行社团划分，拥有相同标签的节点属于同一个社团，具有多个标签的节点属于重叠节点，重叠节点所在的社团为重叠社团。

2.根据权利要求1所述的一种基于多标签传播的重叠社团挖掘方法，其特征在于，步骤1的具体步骤为：

步骤1.1、先在所述网络中加入一个背景节点，将其与网络中的所有节点相连，得到一个N+1个节点的强连接网络；

步骤1.2、给除背景节点以外的每个节点均分配1单位的LR值；

步骤1.3、将步骤1.2中分配给每个节点的1单位的LR值平均分配给其所有邻居节点；

步骤1.4、将步骤1.3中分配到每个节点的LR值再平均分配给其所有邻居节点；

步骤1.5、重复步骤1.4中的过程，直至网络中所有节点的LR值达到稳定状态，此时，每一个节点i的LR值为：

其中，N(i)表示节点i的邻居节点集合，j为节点i的邻居节点集合中任意一个节点，k_j表示节点j的度，s_j(t)表示第t次迭代节点j的LR值，s_i(t+1)表示第t+1次迭代节点i的LR值；

步骤1.6、将背景节点的LR值平均分配给除背景节点外的所有节点，此时，每一个节点i的LR值为：

其中，t_c表示收敛次数，S_i表示收敛时节点i的最终LR值，s_i(t_c)表示第t_c次迭代节点i的LR值，s_g(t_c)表示稳定状态下背景节点g的LR值，N表示网络中的节点数量；

步骤1.7、将不包括背景节点在内的所有节点按照LR值降序排序，并给每一个节点分配一个唯一的标签(c_x,b_x)，其中c_x节点所在的社团为c_x，b_x表示节点属于社团c_x的从属系数，初始时b_x为1。

3.根据权利要求1所述的一种基于多标签传播的重叠社团挖掘方法，其特征在于，步骤2具体步骤为：

步骤2.1、计算出步骤1.7中得到的节点排列顺序中所有节点与其邻居节点间的节点相似性，得到相似性矩阵：

其中Γ(x)表示节点x的邻居节点与节点x本身构成的集合，Γ(y)表示节点y的邻居节点与节点y本身构成的集合；

步骤2.2、开始传播标签，假设节点x的标签为(c_x,b_x)，节点x有邻居节点y、邻居节点z……邻居节点w，且每个邻居节点的标签分别为(c_y,b_y)(c_z,b_z)......(c_w,b_w)，节点x与邻居节点y、邻居节点z……邻居节点w之间的节点相似性均为u，标签从节点x的所有邻居节点传播到节点x，传播过程中每个邻居节点的从属系数分别乘以该邻居节点与节点x之间的节点相似性；

得到节点x更新后的标签集合：

L_x:{(c_y,u×b_y),(c_z,u×b_z)......(c_w,u×b_w)}

步骤2.3、设定阈值p，当u×b_w＜p时，删除标签，当u×b_w≥p时，则保留标签，最后对节点x的标签从属系数进行标准化；

其中，u×b_w表示节点x的标签集合L_x中第w个标签的从属系数，n表示节点x的标签数量；

步骤2.4、重复步骤2.2和步骤2.3的标签传播过程，直至标签数量达到最小值，停止传播。