[发明专利]一种面向社交网络的社区检测方法

说明书

本发明一种面向社交网络的社区检测方法，属于互联网数据挖掘技术领域；提供一种面向社交网络的社区检测方法，能够准确检测出社交网络中的社区结构，且社区检测结果稳定；技术方案为：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；根据网络构造模体，计算得到用户节点的密集度；根据网络计算得到用户节点的间隔度；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；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。

技术领域

本发明一种面向社交网络的社区检测方法，属于互联网数据挖掘技术领域。

背景技术

随着信息技术的快速发展，Facebook等虚拟社交平台变得更加普及，由于越来越多的人开始使用社交平台，社交网络变得更加庞大与复杂，其中蕴含着大量有价值的信息。通常将社交网络建模为复杂网络，其中将用户抽象为网络节点，将用户之间的联系抽象为节点之间的连边。社区结构作为一种数据组织形式广泛存在于各种复杂网络中，如：在社交网络中拥有相同兴趣的用户往往形成同一社区，从中挖掘出这些信息对于商业运营和科学研究都具有非常重要的应用价值。

传统的社区检测方法认为每个节点只能归属于一个社区，即社区之间是相互独立的。近年来一些学者围绕这个问题展开了深入研究，形成了大量的研究成果，其中具有代表性的方法包括以下几类：基于模块性优化的社区挖掘方法、基于标签传播的社区挖掘方法、基于划分的社区挖掘方法和基于动力学的社区挖掘方法。

社交网络含有丰富的属性信息，社区的形成除了与节点间拓扑结构相关外，还受到节点的属性信息的影响，如：有相似背景信息的用户往往构成同一社区。然而传统的社区检测方法仅依赖拓扑关系进行社区结构的检测，忽略了节点的属性信息在社区形成中的作用。有的方法虽然考虑到了节点的属性信息，也是独立运用拓扑结构和节点属性两类信息进行社区检测，忽略了两类信息在网络社区形成过程中的共同作用。这都导致了社区检测结果可靠性不高。

发明内容

本发明一种面向社交网络的社区检测方法，克服了现有技术存在的不足，提供一种面向社交网络的社区检测方法，能够准确检测出社交网络中的社区结构，且社区检测结果稳定。

为了解决上述技术问题，本发明采用的技术方案为：一种面向社交网络的社区检测方法，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Int_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。