[发明专利]基于局部邻居信息的大规模复杂网络社团发现方法及应用

权利要求书

1.一种基于局部邻居信息的大规模复杂网络社团发现方法，其特征在于：包括以下步骤：

步骤A：获取当前网络拓扑结构，选择度最大的未访问节点及其所有的邻居节点作为初始化社团；

步骤B：删除初始化社团中连接不紧密的节点；

步骤C：利用网络局部信息选择一组备选节点集合扩充初始化社团；

步骤D：通过局部信息计算节点隶属系数判断初始化社团中的点是否应该留下来，得到一个社团划分并标记该社团中所有节点为已访问属性；重复执行步骤A～D直到网络中不存在未访问节点，输出社团划分结果。

2.根据权利要求1所述的一种基于局部邻居信息的大规模复杂网络社团发现方法，其特征在于：步骤A中构建初始化社团的方法为：构建目标网络模型G＝{V,E}，其中V＝{v_i|i∈[1,|V|]}为目标网络中所有节点v_i的集合，|V|代表整个网络的规模，即节点数目，E＝{e_ij(v_i,v_j)|v_i,v_j∈V}代表节点间存在连边，|E|代表网络中连边的数目；

在上述网络G中寻找未访问节点中度最大的节点，即与其他节点连边数目最多的节点，表示为v₀＝argmax(degree(v_i))且visited(v₀)＝0，其中degree(v_i)为节点的度，visited(v_i)为访问标记，visited(v_i)＝0表示节点v_i未被访问过，visited(v_i)＝1表示节点v_i为已访问节点；则初始化社团表示为InitialCommunit y＝{v₀∪v₀所有的邻居节点}。

3.根据权利要求2所述的一种基于局部邻居信息的大规模复杂网络社团发现方法，其特征在于：步骤B所述的删除节点的方法为：连接不紧密的节点的集合为其中为节点v_i与初始社团InitialCommunity中的节点的连边的数目，

4.根据权利要求3所述的一种基于局部邻居信息的大规模复杂网络社团发现方法，其特征在于：步骤C所述的扩充初始化社团的方法包括以下步骤：

步骤i：构造新扩充的节点集合newAdd和空的过渡集合Add，将newAdd初始化为社团InitialCommunity中除去节点v₀之外的所有节点；

步骤ii：使用集合Candidate记录newAdd中每个节点v_i的每个邻居节点u_k及其与初始化社团InitialCommunity中所有节点连边的数量

步骤iii：如果集合Candidate中的节点u_k满足且将节点u_k加入到过渡集合Add中,其中v是用来控制网络中节点重叠度的经验值；

步骤iv：将集合Add中的节点加入InitialCommunity，令newAdd＝Add，重复步骤i～iv，直到集合newAdd为空。