[发明专利]一种面向社交网络的社区检测方法

权利要求书

1.一种面向社交网络的社区检测方法，其特征在于，包括以下步骤：

S1：获取社交网络数据，建立邻接矩阵用来存储用户之间的关联关系，以此构成网络G＝<V，E，F>；

S2：根据网络G＝<V，E，F>构造模体，并计算模体中与每条边相连的两个用户节点间的属性同质值HG(i，j)、模体的属性同质值H_t和用户节点间的属性-结构连接强度a_ij，从而得到用户节点的密集度Den_i；

S3：根据网络G＝<V，E，F>，计算相邻用户节点间的直接相似度DT(i，j)、不相邻用户节点间的间接相似度IT(i，j)、边e_i，j相对于节点邻域F_i的边适应度边e_i，j相对于节点邻域F_j的边适应度边e_i，j的边适应度Fit_ij，从而得到用户节点的间隔度Int_i；

S4：选择密集度Den_i和间隔度Iht_i乘积最大的K个用户节点作为网络中K个社区的社区中心；

S5：计算每个非中心用户节点关于不同社区的隶属度，将这些非中心用户节点分配到隶属度最大的社区；

S6：输出最终的社区检测结果，将结果反馈给社交网络分析人员，用于社交网络的舆情监控和推荐系统构建。

2.根据权利要求1所述的面向社交网络的社区检测方法，其特征在于，所述步骤S1具体为：获取社交网络数据，依据社交网络中用户间的关联关系建立社交网络的邻接矩阵其中u_ij表示第i个用户与第j个用户之间的关联关系；若两个用户之间有关联，则u_ij＝1，否则u_ij＝0；以此构成网络G＝<V，E，F>，其中表示由网络中的n个用户组成的集合，v_i是用于表示第i个社交网络用户的节点；表示由社交网络中用户间关联关系对应的边组成的集合，其中e_i，j表示第i个用户与第j个用户之间的一条连边；表示社交网络中的属性集合，其中f_i表示第i个用户的属性向量，每个用户的属性向量包含d个维度。