[发明专利]一种基于多标签传播的重叠社团挖掘方法

说明书

本发明公开了一种基于多标签传播重叠社团挖掘方法，属于复杂网络技术领域，该方法能够从网络中挖掘重叠社团结构。包括以下步骤：首先，利用LeaderRank方法对网络中的节点进行重要性排序，从而确定节点的更新顺序，并给每个节点分配一个唯一的标签；其次，计算出所有节点间的相似性等到相似性矩阵，利用节点间的相似性设计标签的更新策略，通过标签更新策略进行标签传播；最后，完成社团划分，具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。本发明较传统的多标签传播重叠社团挖掘方法而言，能够更加快速准确划分出重叠社团结构。

技术领域

本发明属于复杂网络技术领域，涉及一种基于多标签传播的重叠社团挖掘方法。

背景技术

在现实生活中存在着各种各样的复杂系统，如果将复杂系统的个体抽象为节点，将复杂系统中的个体与个体之间的联系抽象为边，那么就可以将一个复杂系统抽象为一个复杂网络。越来越多的复杂系统的结构建模都可以利用复杂网络来完成，例如计算机网络、生物网络、社交网络等。

随着科技的快速发展，人们对复杂网络的研究不断深入，社团结构作为复杂网络中的重要属性也逐渐得到人们的重视。所谓社团结构就是：同一社团内节点之间连接紧密，而不同社团内节点之间连接稀疏。而对复杂网络中的社团结构研究，能够帮助我们更好的理解和分析复杂网络的结构和功能，了解网络的动力学行为。因此，如何得到复杂网络的社团结构对复杂网络研究而言具有非常重要的意义。

为了得到复杂网络的社团结构，大量的社团挖掘方法被相继提出，然而大多数的社团挖掘方法仅仅只能用于非重叠网络，也就是说，网络中的每个节点只属于某一个特定的社团中，不存在一个节点同时属于多个社团中。然而这与现实世界不相符，在现实世界中社团往往是可以相互重叠的，例如在社会关系网络中，一个人可以同时拥有同事、家人、同学、亲人这些身份中的两个或多个不同的身份。如果仅仅使用非重叠的社团挖掘方法去划分社团，那么将很难得到准确的社团结构。因此，进一步研究重叠社团挖掘方法具有一定的理论意义和实际意义。

Steve等人首次将标签传播的思想运用到重叠社团挖掘中，提出了COPRA方法，该方法允许每个节点携带v个标签，在传播过程中一次传递多个标签，当完成标签传播后拥有多个标签的节点为重叠节点，重叠节点所在的社团为重叠社团。该方法具有较低的复杂度，适用于大型网络，但是当节点所属社团分布不均时，就很难找到一个合适的参数v，使得方法难以准确地得到社团结果。

Xie等人提出一种SLPA方法，方法通过记录每个节点在刷新迭代过程中的历史标签序列，利用概率阈值删除出现频率小的标签最终得到社团结构，但该方法仍需要一个合适的概率阈值参数，并且采用的随机更新策略导致结果存在随机性。

发明内容

本发明的目的是提供一种基于多标签传播的重叠社团挖掘方法，解决现有的多标签重叠社团挖掘方法因采用随机更新策略导致结果不稳定，以及需要输入额外参数的问题。

本发明所采用的技术方案是，一种基于多标签传播的重叠社团挖掘方法，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。

本发明的特点还在于，

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；