[发明专利]一种超核及其在符号网络社区发现中的应用算法

说明书

本发明涉及一种超核及其在符号网络社区发现中的应用算法，基于对网络密集局部的观测，首先定义了“超核”的概念，提出根据“壳”与“层”递减排序选取超核，从超核出发，提取子网络C1，然后与残余网络C2根据局部优化函数如模块度ΔQ进行推拉式交换，递归实现类簇的抽取，得到启发式自适应社区发现算法：算法1基于超核的社区划分算法、算法2簇间正边的推拉算法和算法3簇内负边的推拉算法。本发明提供一种完全无监督的社区发现算法，不仅可以用于无符号网络，而且可以用于符号网络，所定义的超核反应了复杂网络中链接密集的子网结构，识别“团”的复杂度较高，而识别超图的复杂度相对很低，算法能自动发现簇的个数，完全无监督。

技术领域

本发明涉及社区发现算法技术领域，更具体地说，尤其涉及一种超核及其在符号网络社区发现中的应用算法。

背景技术

复杂网络(complex network,complex graph)是社会网络和生物网络等的抽象形态，具有一定的结构特性，发现网络的结构称为社区发现(community discovery)，也称网络聚簇(network clustering)，对于认识自然和社会规律具有重要意义。

社区发现方法已有较多研究，按类别分类有启发式方法(heuristic method)、随机游走方法(random walk method)、谱方法(spectral method)、仿生学方法等(bionicsmethod)，本发明隶属启发式方法。启发式方法基于对网络构成规律的某种洞察，确定聚簇算法，优化目标函数，如模块度Q等。应当指出，现实网络结构具有一定规律，但也有一定差异，启发式方法受启发动机的影响，一般难于适应所有真实网络，而且不少已有算法需要人工指定社区个数，自适应性差。研究人员仍在探索健壮的启发式社区发现算法。目前，多数启发式方法是针对无符号网络(unsigned graph)提出的，针对有符号网络(signed graph)的社区发现仍有待深入研究。

为此，我们提出一种超核及其在符号网络社区发现中的应用算法。

发明内容

本发明的目的是为了解决上述背景技术中的文问题，探索社区发现的新方法，而提出的一种超核及其在符号网络社区发现中的应用算法。

为实现上述目的，本发明提供如下技术方案：

一种超核及其在符号网络社区发现中的应用算法，所述的发现中的应用算法建立在“超核”/Super kernel概念的基础上，超核的定义与“壳”/shell和壳的“层”/layer有关，壳是迭代定义的，非完全形式化地说，对于图G上的一个节点v，如果去除与之相连的至少s条边能使其变为孤点，则其shell值为s，对于shell值相同的节点，如果在第l轮剥壳的过程中使其变为孤点，则其layer值为l；

在图论中有关于“团”/clique的定义，非形式化地说，团是图中全连通的子图,显然，团是链接最为密集的子网络结构，聚簇可以从团开始，但团的发现复杂度很高，所以我们定义一种相对密集且发现复杂度很低的子图结构，即“超图”，以下给出我们定义的超图概念；

定义1，令Gs为图G中具有最大shell的节点集合，v∈Gs为Gs中任一节点，超核SKv定义为Gs中layer最大，且与v相邻的节点集合；