[发明专利]一种基于NMF的复杂网络社团间重要节点挖掘方法

说明书

本发明涉及网络节点技术领域，公开了一种基于NMF的复杂网络社团间重要节点挖掘方法，包括以下步骤：基于NMF，获得社团归属指示矩阵H；对于所有节点，分别计算H‑ratio、H‑community、w_i(j)值，并分别获得其重要性指标H‑node‑com值；利用H‑node‑com对节点进行降序排列，从前至后获得社团间的重要节点，这种复杂网络社团间重要节点挖掘方法，在获得复杂网络社团结构的同时，设计相应的社团间重要节点评价指标，利用该指标可以顺利发现处于社团间的节点集合，并对这些节点在社团间的重要性进行排序，从而获得社团间的重要节点，该方法简单有效，对于研究社交网络、疫情扩散等实际应用非常有意义。

技术领域

本发明涉及网络节点技术领域，特别涉及一种基于NMF的复杂网络社团间重要节点挖掘方法。

背景技术

挖掘重要的用户节点对于网络结构的分析，信息传播等都具有重要意义，也是人们在社团发现时重点关注的问题之一。通常人们更注重寻找整个网络中的重要用户，然而，在复杂网络理论中，节点的影响力是有限的，从社团结构的角度寻找重要节点更具有实际意义，如图1所示，在三个社团内，白色圆圈代表的节点作为末端节点，没有信息中转，而黑色、灰色圆圈示的节点在社团内有信息汇聚、中转、扩散的重要作用，而灰白相间的节点在与外部社团沟通方面担当了重要角色，可见，基于社团角度研究节点的重要性也是十分有意义的。特别是灰白相间的节点，它是社团与社团之间进行交互、信息在社团之间扩散的关键。挖掘社团间重要节点对于研究社交网络、疫情扩散等实际应用非常有意义。

评估节点的重要性是研究复杂网络的重点之一。很多描述节点重要性的指标被相继提出。基于网络结构的重要节点度量指标可以分别从网络的局部属性、全局属性、网络的位置和随机游走等四个角度进行设计。现有技术重点是从整个网络的角度来定义和挖掘重要的节点，少数技术考虑到节点的影响力都是有限的，重点从社团角度挖掘重要节点，它们主要分析了组成社团结构的重要节点，讨论社团及其领袖节点在网络中的意义。事实上，虽然社团内部之间联系紧密，社团内部节点与外部联系比较稀疏，但是社团总是存在与外部进行联系的节点，这些节点对于信息从社团内部扩散到社团外部，以至于整个网络都具有重要意义，因此挖掘这些社团间的重要节点对于复杂网络分析也具有重要意义，而此方面的方法鲜有涉及。

发明内容

本发明提供一种基于NMF的复杂网络社团间重要节点挖掘方法，设计相应的社团间重要节点评价指标，利用该指标可以顺利发现处于社团间的节点集合，并对这些节点在社团间的重要性进行排序，从而获得社团间的重要节点。

本发明提供了一种基于NMF的复杂网络社团间重要节点挖掘方法，包括以下步骤：

S1、利用非负矩阵分解模型NMF获得复杂网络的社团归属矩阵 H；

S2、利用社团归属矩阵H寻找社团间的重要节点

S21、获得社团内节点与外部社团的联系程度H-community；

S22、获得社团间节点的社团外分布权重H-ratio；

S23、获得社团间节点在本社团内部的权重w_i(j)；

S24、社团间节点的综合评价

结合H-ratio、H-community和w_i(j)，获得评价节点社团间重要性的指标H-node-com为：

H-node-com＝H-ratio*H-community*w_i(j)；

S25、利用评价节点社团间重要性的指标H-node-com对节点进行降序排列，从前至后获得社团间的重要节点。

所述步骤S1中获得社团归属矩阵的具体方法如下：