[发明专利]社交网络中基于节点间相似度的社区检测方法

说明书

本发明公布了一种社交网络中基于节点间相似性的社区检测方法包括：接收待检测的社交网络；计算所述待检测社交网络中节点的相似程度；基于所述节点间的相似程度，进行对于社交网络的社区划分；输出社区网络最优社区划分。本发明的社交网络中基于节点间相似性的社区检测方法，融合了节点状态变化的变化指数和节点之间的余弦相似性计算方法，以得到最优的社区划分。

技术领域

本发明涉及网络数据处理技术领域，具体是一种社交网络中基于节点间相似性的社区检测方法。

背景技术

近年来，各领域的大量科研人员投入到对网络学科的深入研究中，蛋白质网络、互联网网络、信息网络和社会网络都是复杂网络的例子，逐渐探索和发现了复杂网络的一些特征。在复杂网络中，节点通过边连接成成对的，一些节点相对紧密地连接在一起并聚集成簇或堆，这就是所谓的社区结构。

社区结构分为三种类型：1)非重叠社区结构，2)重叠社区结构，3)层次社区结构。社区满足了每个节点应属于且只能属于一个社区的限制，称为非重叠社区。然而，在现实网络中，一个节点通常属于多个社区。例如，一个人可能属于一个社交网络中的几个社区，如家人、朋友和同事，即某些节点可以属于多个社区。这种包含重叠节点的社区通常称为重叠社区。多种不同层次的社区分布，许多大的社区包含较小的社区，而这些较小的社区又包含更小的社区，称为层次社区结构。

随着网络的发展，社交网络中数据复杂性逐渐增大，网络中节点之间的相关性逐渐增加，同一社区的节点通常具有相似的属性和特征(如背景、职业或兴趣)，社区检测难度逐渐增大。传统的计算方法无法满足现有网络的检测计算，需要新的方法解释网络中两个节点之间的相似程度，从而划分出相应的社区，对节点加以区分。

发明内容

基于上述问题，本发明提供一种社交网络中基于节点相似性的社区检测方法，在社交网络环境中融合网络节点的状态变化和余弦相似性的计算方法，然后在此基础上提出新的节点相似性社区检测算法，以得到较好网络社区划分。

为解决上述问题，本发明提供了一种社交网络中基于节点间相似性的社区检测方法，具体包括：

接收待检测的社交网络；

计算所述待检测社交网络中节点状态变化指数；

基于变化指数，计算出节点间相似程度；

基于所述节点间相似程度，检测所述社交网络的社区分布；

输出检测的社区结构；

其中，基于所述节点间相似程度，检测所述社交网络的社区分布，具体包括：

根据社交数据，网络化社交数据；

根据节点相似程度，进行社区划分；

根据模块值判断最优社区划分；

输出最优社区划分结果。

其中，计算所述待检测社交网络中节点间的相似程度，具体包括：

根据余弦相似度计算方法，改进为节点余弦相似度计算；

根据节点余弦相似度计算方法，改进为节点间的相似度计算；

根据所述节点间的相似度计算方法，得到所述社交网络中节点间的相似程度。

其中，根据余弦相似度计算方法，改进为节点余弦相似性的方法，具体包括：

根据余弦相似度是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量；

根据节点之间的关系，余弦相似度可以转为节点余弦相似度：