[发明专利]基于邻居子图社交网络动态增量的演化社区发现方法

权利要求书

1.基于邻居子图社交网络动态增量的演化社区发现方法，其特征在于，包括如下步骤：

定义社区中节点p的邻居子图，得到节点p与其邻居节点之间的局部电阻距离，通过所述局部电阻距离，得到局部等价距离，进而通过所述局部等价距离以及所述邻居子图中各个节点的局部信息得到动态网络中的核心节点；

所述动态网络用网络序列G＝{G₁，G₂，...，G_t，...}表示，G_t＝(V^t，E^t)表示t时刻的网络结构，1≤t，其中，G_t是一个无向无权的连通网络，V^t表示在G_t网络中的节点集合，E^t表示在G_t网络中的边集；所述邻居子图用于发现邻居节点的异构性，即节点与邻居节点的亲疏程度；所述邻居子图由节点i在t时刻的邻居子图定义，表示为其中，节点集合由节点i以及i的邻居集合构成，边集由中节点之间的边构成；所述邻居子图建模为电阻网络，所述邻居子图中的边看作为电阻，电阻值为所述边的倒数；所述局部电阻距离用于有效发现节点与其邻居节点的亲疏程度，将节点p在t时刻的邻居子图建模成电阻网络，节点p与其邻居节点q之间的等价电阻称作节点p与q的局部电阻距离所述局部等价距离用于表示节点之间在邻居子图中的连接紧密程度；所述局部等价距离D^t_pq计算如下：

其中：表示中p节点与q节点之间的局部电阻距离，表示t时刻节点p的邻居节点集合，表示t时刻p节点与u节点之间的边的权重；

确定增量影响范围，即所述邻居子图受增量影响的节点集合，用changed表示；

采用基于核心子图的社区演化算法分析所述changed集合并更新社区结构；

所述基于核心子图的社区演化算法通过判断受影响的changed集合中的每一个节点的身份标签变化类型与所述社区核心子图的变化，进而更新所述节点的社区所属，实时更新所述动态网络的社区结构并识别社区的演化事件；

所述节点标签变化类型包括：保持核心节点的身份、核心节点变成普通节点、普通节点变成核心节点；

采用的数据集为人工动态数据集，其中节点代表作者，每一条存在的边代表两个作者曾合作发表过论文。

2.根据权利要求1所述的基于邻居子图社交网络动态增量的演化社区发现方法，其特征在于：

所述局部等价距离表示的节点间的紧密程度由局部亲密邻居阈值确定；

所述局部亲密邻居阈值由t时刻的节点p与其所有邻居节点的所述局部等价距离的几何平均值定义，计算方式如下：

其中表示节点p在t时刻邻居节点数量。

3.根据权利要求1所述的基于邻居子图社交网络动态增量的演化社区发现方法，其特征在于：

所述核心节点由局部亲密邻居数量及局部最小聚类阈值确定，t时刻网络中的核心节点集合Core^t表示如下：

其中：表示局部亲密邻居数量，表示局部最小聚类阈值；

对于网络中的任一节点p，如果节点p是核心节点，则节点p与其所述局部亲密邻居集合中的节点一起，形成一个以节点p为核心的社区

所述局部亲密邻居以所述局部亲密邻居阈值为判断标准，若节点p与节点q的所述局部等价距离小于节点p的所述局部亲密邻居阈值或者小于节点q的局部亲密邻居阈值则节点q属于节点p的局部亲密邻居；

节点的所述局部亲密邻居集合表示如下：

其中：表示p节点在t时刻的局部亲密邻居集合，该集合中的节点与p节点的连接紧密程度超过所述动态网络中的其他节点，故与p同属一个社区；

所述局部最小聚类阈值用于确定所述节点局部亲密邻居数量与重要节点的关系，其计算方式如下：

其中：是节点p的邻居数量，α是用户输入的局部参数，根据α的大小调整社区结果中社区的形态。