[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

说明书

本发明公开基于邻居子图社交网络动态增量的演化社区发现方法。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；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。本发明实现了在社区结构随着增量发生而变化的过程中，追踪社区演化轨迹，做到实时提供动态社区结构，增加了处理增量的效率，提升了准确度。

技术领域

本发明涉及社交网络技术领域，特别是涉及一种基于邻居子图社交网络动态增量的演化社区发现的方法。

背景技术

研究发现社交网络普遍具有社区结构，即网络中存在着一些社区，社区内部节点连接密度较高，社区之间连接密度较低。由于社交网络中同一个社区的节点们往往具有相似的属性，例如兴趣、位置等，发现网络的社区结构可以帮助人们更好的挖掘网络信息，故在社交网络分析领域的诸多问题中，经常会用到社区发现算法。如今动态网络在社交网络分析领域引起广泛关注，传统社区发现算法针对静态网络，无法处理动态网络中的社区结构的变化，故研究动态网络社区演化有助于解决这一问题。

动态网络中的节点与边会随着时间发生变化，动态网络中社区发现是社区真实变化的反应，传统的动态演化社区发现算法是基于时间片的方法，存在着时间效率问题。时间片式的方法将动态网络根据时间窗口划分成多个连续的时间片网络，在每个时间片网络上使用静态社区发现算法发现社区，并对相邻时间片上的社区进行匹配以分析社区演化。由于时间片式的方法忽略在之前时间片上已经得到的社区结构，并在每个时间片网络上重新进行社区发现算法，故效率不高。新的时间片网络需要间隔一段时间才能获得，所以时间片式方法难以实时的追踪并提供社区结构。因此，如何在不同阶段对网络结构的变化进行有效分析，以及增量的高效获取是分析动态网络中社区结构演化的关键及难点所在。

为了解决时间片式方法的时间效率问题以及实时性问题，增量式动态演化社区发现方法被提出。增量式方法设计增量处理策略，在网络变化过程中实时更新社区结构。动态网络中的增量为网络中节点或边的变化，可以分为：1)新节点加入网络；2)原有节点从网络中消失；3)节点之间关系的变化(新建立关系或破坏原有关系，关系权重的边变化)。不同种类的增量对于网络带来的影响不同，即使是相同种类的增量，由于涉及的节点对于社区的重要程度不同，故也可能对网络带来不同程度的影响。因此，针对网络中存在的繁杂的增量影响可能性，设计一种合理且全面的增量策略是社区发现增量式方法亟需解决的难题。

发明内容

针对已有的动态网络社区时间片发现算法存在的时间效率低、难以实时追踪的问题，本发明提出基于邻居子图社交网络动态增量的演化社区发现方法，以增加处理增量的效率，做到实时提供动态社区结构，提升准确度。

为实现上述目的，本发明提供了如下方案：本提供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i的邻居子图，通过所述邻居子图中的所述节点i与其他节点的局部电阻距离，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；

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。