[发明专利]用于动态时序通信网络的分布式社区演化方法

权利要求书

1.一种用于动态时序通信网络的分布式社区演化方法，包括以下步骤：

a、计算并更新节点间的相似度，对相似度添加时间标签；

b、使各节点共享局部相似度视野，并根据所述时间标签更新各节点自身局部相似度视野；

c、使各节点共享社区ID视野，根据同社区的节点个数更新社区融合阈值；

d、各节点检查近邻节点的更新请求，并根据所述更新请求的时间标签和优先级更新自身社区ID，复制所述近邻节点的更新请求；

e、各节点根据所述更新请求的时间标签和优先级选择是否进行社区融合或社区分裂。

2.根据权利要求1所述的方法，其特征在于，在所述步骤(a)中，根据节点间的相遇历史计算并更新相似度。

3.根据权利要求1所述的方法，其特征在于，在所述步骤(b)中，定义节点i与其它所有节点之间的权值集合Ω_i为：

Ω_i＝{ω_i，k|(k∈N)∧(k≠i)}；

其中，N为所有节点集合，k为节点k的序号，ω_i，k为节点i和节点k的相似度；

定义节点i所处社区的节点集合为N_i，使节点i的局部相似度视野为：

其中，为节点i由于一定通信时延所得到的近似Ω_k，Ω_k为节点k与其它所有节点之间的权值集合。

4.根据权利要求1所述的方法，其特征在于，在所述步骤(c)中，节点i根据自身的社区ID视野获得同社区的节点个数，更新社区融合阈值λ_i为：

其中，λ₁为社区分裂阈值，λ_max为预设最大阈值。

5.根据权利要求4所述的方法，其特征在于，所述步骤(d)中的近邻节点与节点i的相似度大于λ₁，且在前一采样时刻T_m-1与节点i处于同一社区。

6.根据权利要求1所述的方法，其特征在于，在所述步骤(d)中，各节点选择时间最近的更新请求，在时间相同时选择优先级最高的更新请求对自身社区ID进行更新。

7.根据权利要求5所述的方法，其特征在于，在所述步骤(e)中判断是否需要社区融合时，节点i检查是否出现最新的相似度大于λ_i的近邻节点，若是，则按照社区融合策略发起一个社区更新请求，添加时间标签。

8.根据权利要求7所述的方法，其特征在于，所述社区融合策略为，当节点i与节点j不处于同一社区，并出现ω_ij≥λ_i，则节点i比较两个社区的规模大小，其中，ω_ij为节点i和节点j之间的相似度；

当|N_i|＞|N_j|时，节点i保持社区ID不变；

当|N_i|≤N_j|时，节点i更新社区ID与节点j相同；

其中，|N_i|为节点i所处社区成员数，|N_j|为节点j所处社区成员数；

若需要更新社区ID，则将优先级设为中等，反之则将优先级设为最低；

当各节点完成自身社区ID管理后，发起一个社区更新请求，添加时间标签与优先级，用以邻居节点的后续更新。

9.根据权利要求5所述的方法，其特征在于，在所述步骤(e)中判断是否需要社区分裂时，各节点检查是否出现最新的相似度小于λ₁的节点，若是，则按照社区分裂策略发起一个社区更新请求，添加时间标签。

10.根据权利要求9所述的方法，其特征在于，所述社区分裂策略为，节点i通过局部相似度视野构建相同社区内所有节点的相似度矩阵在该矩阵中，当节点i与节点j之间的稳定连接消失时，判断节点i与节点j之间是否还存在其余连通路径；

对矩阵中的所有元素w_kl(k∈N_i，l∈N_i)进行二值化：

其中，1为节点1的序号，求取更新后的相似度矩阵的拉普拉斯矩阵判断节点i与节点j是否仍处于同一连通块内，求取拉普拉斯矩阵的所有0特征值对应的特征向量，判断是否存在某一特征向量，其关于节点i和节点j对应分量同时满足非0且相等；若是，则保持社区结构不变，否则对社区进行分裂；

使所述拉普拉斯矩阵的0特征值对应的一对特征向量f¹，f²中：

其中，为特征向量f¹中节点i对应分量，为f²中节点j对应分量；

特征向量f¹中元素值等于的个数n_i为：

特征向量f²中元素值等于的个数n_j为：

其中，f_k为特征向量f¹中节点k的对应分量；

当社区结构不变时，则保持原有社区ID，当需要进行社区分裂时，则将节点i或节点j对应的部分从社区中分离；

在分离时，使两个部分中规模更大的部分保持原有社区ID不变，小的部分从原有社区脱离并生成新的社区ID，各节点仅判断其自身是否需要从社区中脱离；

当n_i＞n_j时，节点i保持原有社区ID不变；

当n_i≤n_j时，节点i更新社区ID；

当各节点完成自身社区ID管理后，发起一个社区更新请求，添加时间标签与优先级，用以邻居的后续更新；

若需要更新社区ID，则将优先级设为最高，反之则将优先级设为最低。