[发明专利]一种基于属性图信息的社交网络社团发现方法和系统

说明书

本发明提出了一种基于属性图信息的社交网络社团发现方法和系统，包括网络构建模块、数据预处理模块、模型构建模块、模型求解模块、社团发现模块以及结果展示模块，其中，所述网络构建模块将社交网络数据构建为属性网络，数据预处理模块执行服务器计算指令，获得网络的邻接矩阵、属性关联度矩阵而隶属度矩阵，模型构建模块获取输入参数后在服务器构建关于隶属度矩阵的最优化问题，模型求解模块在得到模型构建模块构建完成的指令后开始对最优化问题进行迭代求解，计算获得最有的隶属度矩阵，社团发现模块在得到最优的隶属度矩阵后执行社团发现指令，最后将社团发现结果通过展示模块进行输出展示。本发明直接作用于带有属性的社交网络数据集合，能够针对社交网络进行社团发现功能，效果准确度高，能够解决社交网络中的社团发现问题。

技术领域

本发明涉及计算机数据处理技术领域，特别涉及到社交网络中的社团发现问题。

背景技术

目前，现有的社交网络社团发现方法仅仅主要是基于社交网络中的拓扑结构来完成社团发现工作，即仅考虑了社交网络中用户与用户之间的联系。然而，这种仅基于社交网络中拓扑结构的社团发现方法忽视了社交网络中与用户相关联的属性信息。这会使得一些具有实际意义的社团没有被发现。例如，某社交软件上的用户本着其爱好加入了一个群，但他可能和群里的任何一个人都不是好友。如果仅仅基于网络拓扑结构，这样的社团就很难被发现出来。

尽管有一些额外考虑节点属性信息的社团发现方法被提出，但它们所识别的社团在准确性上的表现欠佳。

发明内容

针对上述缺陷和不足，本发明的目的在于提供一种基于属性图信息的社交网络社团发现方法和系统，通过综合考量社交网络中节点间的邻接程度和属性关联程度实现社团发现。

本发明通过以下技术方案来实现：

本发明公开了一种基于属性图信息的社交网络社团发现方法，包括以下步骤：

步骤一，对社交网络中的数据进行预处理，其中包括：将社交网络中的用户抽象为网络中节点，获取包括所有节点构成的集合，两节点之间边构成的集合，与节点相关联的所有属性的集合；

步骤二，根据步骤一预处理的结果通过应用统计学知识和信息学理论计算出所述社交网络中每对节点间的属性关联程度；

步骤三，根据步骤一所得的所有节点、所有边和步骤二所得每对节点间的属性关联程度，组成节点的邻接矩阵和节点属性关联度矩阵；

步骤四，定义要发现的社团数量，并根据要发现的社团数量和步骤一所得的所有节点定义节点对于社团的隶属度矩阵；

步骤五，输入模型参数，基于步骤三所得节点的邻接矩阵、属性关联度矩阵和步骤四所得隶属度矩阵，构建关于隶属度矩阵的最优化问题；

步骤六，求解步骤五所得求最优化问题的解，即最佳的隶属度矩阵；

步骤七，根据步骤六所得最佳的隶属度矩阵，获取所发现得社团。

步骤六在求解最优化问题时，采用了拉格朗日乘子法，通过引入拉格朗日乘子，构建Karush-Kuhn-Tucker(KKT)条件来获得更新公式。在初始化隶属度矩阵的情况下，根据更新公式不断地更新迭代，直到步骤五所得最优化问题的目标函数收敛。此时的隶属度矩阵作即为最佳的隶属度矩阵。

本发明还公开了一种基于属性图信息的社交网络社团发现系统，该系统包括：

网络构建模块，将包含了大量属性信息的社交网络构建成为一个属性网络；

数据预处理模块，根据前一个模块中的得到的网络进行数据预处理获得节点的邻接矩阵和节点属性关联度矩阵，定义社团数量，初始化节点对于社团的隶属度矩阵；

模型构建模块，输入模型参数，根据前一模块得到的邻接矩阵、属性关联度矩阵和隶属度矩阵，构建关于隶属度矩阵的最优化模型；