[发明专利]一种基于最优网络结构的网络社团发现方法

权利要求书

1.一种基于最优网络结构的网络社团发现方法，其特征在于，包括以下步骤：

步骤1，面向网络社团发现的最优网络结构生成：对目标网络G，使用邻接矩阵A∈{0,1}^n×n表示其原始的网络结构，其中，当G中节点对(v_i,v_j)间存在边时，A中对应元素a_ij＝1，否则，a_ij＝0；基于邻接矩阵A，生成适合网络社团发现的最优网络结构W；

步骤2，基于最优网络结构的网络节点表示：基于最优网络结构W，为每个节点学得一个实值向量表示z∈R^m；在节点表示学习中，充分保留各节点所在网络局部的结构特征，并将W中包含的网络社团结构信息抽取映射到节点表示z中；

步骤3，基于网络节点表示的网络社团发现：对目标网络G中节点集合基于其包含了丰富社团信息的节点表示，通过常用的机器学习聚类算法将整个节点集合划分为不同的社团其中c为社团个数。

2.根据权利要求1所述的一种基于最优网络结构的网络社团发现方法，其特征在于，步骤1中，基于邻接矩阵A，生成适合网络社团发现的最优网络结构W：首先，在局部结构上，对矩阵A中a_ij＝1对应的节点对(v_i,v_j)，根据v_i,v_j的各自邻域结构的相似度来评估两节点之间的边连接强度，从而通过更细粒度化的边连接关系来区别并弱化非属同一社团节点间边连接关系的强度；然后，在全局结构上，通过谱分析的方法来识别并删除或弱化社团间的边连接，来使生成的最优网络结构W具有更清晰的社团边界。

3.根据权利要求1所述的一种基于最优网络结构的网络社团发现方法，其特征在于，步骤1中，面向网络社团发现的最优网络结构生成中，对于最优网络结构W∈[0,1]^n×n，其满足的约束包括：

(1)对网络G中任意节点v_i，满足其中，为v_i的邻居节点集合，从而标准化节点v_i同其所有邻居节点间的连接关系强度；同时，对任意节点有w_ij≥0，否则w_ij＝0，从而表明仅对有边连接的节点对间关系强度进行评估；

(2)基于图理论，定义网络结构W的拉普拉斯矩阵为L_W＝D-(W^T+W)/2，其中，为对角矩阵，对角元素令L_W满足rank(L_W)＝n-c，从而使各社团在网络上组成的连通簇边界更明显，以在网络结构W上突显出网络的社团结构；

为满足以上约束，最优网络结构W的学习方式为：

其中，矩阵令参数λ充分大，通过最小化可使上述约束(2)成立；集合则包含了约束(1)α为权衡目标函数前两部分的参数，d(vi,vj)度量节点vi,vj邻域结构的差异度；由于W各行相互独立，故可按行依次更新，对wi的更新方式为：

其中，向量且a_i∈{0,1}ⁿ为临界矩阵A的第i行。

4.根据权利要求3所述的一种基于最优网络结构的网络社团发现方法，其特征在于，具体的更新步骤为：

(1)对向量d_i中各元素按从小到大排序；

(2)初始化k＝1，θ＝d_i1-2αa_i1+1；

(3)更新

(4)更新k＝k+1；

(5)若2αa_ik+θ>d_ik且k<|N(v_i)|，则返回步骤(3)，否则继续；

(6)根据w_ij＝1/2α(2αa_ij+θ-d_ij)，计算已排序向量d_i中前k个元素在w_i中对应位置的w_ij，w_i的其余元素置为0。