[发明专利]一种基于团簇属性和平衡理论在符号网络中挖掘内聚子图的方法

说明书

本发明公开了一种基于团簇属性和平衡理论在符号网络中挖掘内聚子图的方法。为了找到同时满足密度约束和平衡约束的团体，本发明在符号网络上提出了一种新的内聚子图模型，即极大有符号k团，它满足三个条件：是规模不小于k的团；不包含任何不平衡三角形；是极大的，即它的任何超图都不能满足前两个条件。考虑到平衡三角形和k团的属性，本发明提出新的修剪策略，从而更有效地缩减搜索空间。与此同时，本发明结合新的修剪策略开发了高效的SKC算法，从而能在大型符号网络中迅速找到极大有符号k团。因此，基于团簇属性和平衡理论在符号网络中挖掘内聚子图的方法的应用对内聚子图的挖掘及社区间关系变化的预测有着极大的效益。

技术领域

本发明属于多媒体数据挖掘技术领域，尤其涉及一种基于团簇属性和平衡理论在符号网络中挖掘内聚子图的方法。

背景技术

随着因特网和万维网技术的迅速发展，近年来，诸如脸书和推特之类的社交网络变得越来越流行。研究者对社交网络的研究兴趣不断增长，并且已经对挖掘内聚子图做出了很多努力。目前研究中已经提出了许多内聚子图模型，如k核、k式桁架和k团等。现有的大多数有关内聚子图挖掘的研究都集中在无符号图上，即将用户之间的所有联系都视为正向关系。但是，社交互动既涉及积极关系(例如朋友)，也涉及消极关系(例如敌人)。忽略边缘的消极信息可能无法表征子图的内聚性。人际关系网络可用符号图来表示，其中积极关系用正号表示，消极关系用负号表示。在有关符号网络的分析中，平衡理论已经被广泛采用。在平衡理论中，许多发现都是基于平衡三角形的概念，它在符号网络分析中起着重要的作用。在符号网络中，如果三角形有奇数条正边，则三角形是平衡的。在真实的社交网络中，含有越多平衡三角形的社区往往会越稳定。

最近，一些研究者试图从符号网络中识别出内聚子图。例如，Giatsidis等人提出的s核模型，该模型要求子图中的每个节点都应具有足够数量的正负邻居。李等人也提出了一个有符号团模型，希望能够找到具有更多积极关系和更少消极关系的社区。然而，即使该模型对正负邻居的数量限制了严格的约束条件，它仍然可能涉及许多不平衡三角形，而这可能导致社区不稳定。随着时间的推移，社交网络都趋于平衡。研究表明，平衡网络可以分为两个完全相对的子图，其中相同子图里的每个节点都是正连接，两个不同子图的节点之间都是负连接。直观地，在符号图中，稳定的内聚子图应该是密集平衡的，即节点应该紧密连接，并且子图里不应该含有不平衡三角形。然而，目前并没有存在同时满足密度约束和平衡约束的模型。

发明内容

为了找到同时满足密度约束和平衡约束的团体，本发明在符号网络上提出了一种新的内聚子图模型，称为极大有符号k团，它满足三个条件：1)是规模不小于k的团；2)不包含任何不平衡三角形；3)是极大的，即它的任何超图都不能满足前两个条件。

极大有符号k团是一个平衡图，它可以分为两个完全相对的子图，使得同一子图中的所有节点之间都是正连接，而不同子图中的所有节点之间都是消极关系。该模型有许多非常重要的应用，例如在有符号的社交网络中发现平衡的社区或合作小组。在社区里，居民之间的亲疏远近可以分别用正负关系表示。而随着时间的推移，社区里人与人之间可能从亲近关系(正连接)逐渐变得疏远(即负连接)，也可能从疏远的关系逐渐变得亲密。而在这个过程中，社区确是更加趋于稳定的，因此，本发明可以通过极大有符号k团模型正确地预测出居民间的关系变化趋势。

本发明通过利用平衡三角形的属性来开发新的修剪方法，从而显著地过滤没有希望的候选者和边缘关系。此外，本发明开发了高效的极大有符号k团枚举算法，简称为SKC算法，从而能在大型符号网络中更有效地找到平衡紧密的稳定团体。因此，基于团簇属性和平衡理论在符号网络中挖掘内聚子图的方法的应用对内聚子图的挖掘起到至关重要的作用。

本发明解决其技术问题的技术方案具体如下：一种基于团簇属性和平衡理论在符号网络中挖掘内聚子图的方法，该方法包括：

通过三种修剪策略过滤符号图G中不必要的点和边，包括：