[发明专利]一种属性网络的社区搜索方法

说明书

本发明提供一种属性网络的社区搜索方法。该方法包括：根据网络用户的空间位置划定搜索区域范围；在属性网络中根据网络用户之间的联系紧密度搜索目标社区并且所述目标社区中用户的空间位置在所划定的搜索区域范围内。根据本发明的方法能够有效搜索出满足结构凝聚力和空间凝聚力的目标社区，用于社交网络用户的行为分析，推荐，疾病预测等。

技术领域

本发明涉及社区搜索技术领域，尤其涉及一种属性网络的社区搜索方法。

背景技术

属性网络用于模拟各种网络，包括社交网络，知识图和蛋白质相互作用网络等。越来越多的数据量和这些网络的丰富属性对社区搜索提出了巨大的挑战，近年来引起了很多关注。关于寻找社区的研究可以分为社区检测和社区搜索。社区检测方法通常用于基于预定义的隐式标准发现社交网络中的社区，而社区搜索是以在线方式找到满足给定的一组明确标准的有凝聚力的社区，例如基于k-core(k核)和k-truss的社区搜索。

空间属性是属性网络中最重要和最有用的特征之一。在空间感知网络中，每个节点都附有空间信息，例如，Twitter和Foursquare等社交网络可以由这样的网络建模，其中，每个节点(即用户)具有一个或多个位置(例如，当前位置或历史登记位置)。通过考虑用户的位置信息来搜索社区，可以将对用户行为的理解从虚拟世界变为现实。

然而，在现有技术中，通常只考虑非属性网络，而忽略了属性网络中顶点的丰富信息。此外，已经使用各种结构凝聚力度量来搜索空间感知网络中的社区，在现有研究中，结构凝聚力是一种查询约束，例如，对于k-core或k-truss度量，用户需要在社区搜索中指定k值，但没有考虑用户之间的空间紧密度。

因此，需要对现有技术进行改进，以搜索出兼顾结构凝聚力和空间紧密度的网络社区，并进一步提高社区搜索的效率。

发明内容

本发明的目的在于克服上述现有技术的缺陷，提供一种属性网络的社区搜索方法。

根据本发明的第一方面，提供了一种属性网络的社区搜索方法。该，方法包括：

步骤S1：根据网络用户的空间位置划定搜索区域范围；

步骤S2：在属性网络中根据网络用户之间的联系紧密度搜索目标社区，其中所述目标社区中用户的空间位置在所划定的搜索区域范围内。

在一个实施例中，步骤S1包括以下子步骤：

以无向连通图G＝(V，E，S)来表征属性网络，其中，V表示顶点集，E表示边集，S表示空间位置集，顶点表示网络用户；

在所述无向连通图G中，搜索以连通子图表示的目标社区，其中，该子图的顶点位置能够被直径为D的圆包围并且相对于所述无向连通图G的其他子图，该子图中顶点形成最高阶的k-core。

在一个实施例中，在步骤S2中，根据以下步骤搜索以连通子图表示的目标社区：

步骤S21：对于所述无向连通图G，构建四叉树索引结构，其中，根节点对应G的整个空间；

步骤S22：遍历所述四叉树索引结构，获得边长小于D并且其父节点的边长大于D的所有节点，将这些节点存储在节点列表nodeList中；

步骤S23：对于节点列表nodeList中的每个节点，获得最大核数k_cur；

步骤S24：从节点列表中修剪掉N.DistMap[k_cur]D的节点N，其中，N.DistMap[k_cur]表示节点N的距离映射表；

步骤S25：对于nodeList中的剩余节点，根据核数上界进行升序排序并依次验证，以搜索出满足具有最高阶的k-core并且能够被直径为D的圆包围。