[发明专利]基于自监督学习式进化的大规模复杂网络社区检测方法

权利要求书

1.一种基于自监督学习式进化的大规模复杂网络社区检测方法，其特征在于，包括步骤：

根据目标网络社区，确定所述目标网络社区对应的原始种群；

将所述原始种群分解成第一子种群和第二子种群；其中，所述第一子种群的平均适应度值大于所述第二子种群的平均适应度值；

采用基于自监督学习的方法对所述第一子种群进行更新，得到第一更新子种群，并采用基于广度学习的方法对所述第二子种群进行更新，得到第二更新子种群；

根据所述原始种群、所述第一更新子种群以及所述第二更新子种群，确定所述目标网络社区对应的进化种群；

当所述进化种群满足终止条件时，将所述进化种群作为最优种群。

2.根据权利要求1所述的基于自监督学习式进化的大规模复杂网络社区检测方法，其特征在于，所述检测方法还包括：

当所述进化种群不满足终止条件时，将所述进化种群作为原始种群，并继续执行将所述原始种群分解成第一子种群和第二子种群的步骤，直至所述进化种群满足终止条件时，将所述进化种群作为最优种群。

3.根据权利要求1所述的基于自监督学习式进化的大规模复杂网络社区检测方法，其特征在于，所述采用基于自监督学习的方法对所述第一子种群进行更新，得到第一更新子种群，具体包括：

对所述目标网络中的所有网络节点进行分组，得到若干个变量组；

确定各变量组各自分别对应的自编码器；其中，所述自编码器包括编码单元和解码单元；

针对所述第一子种群中的每个解个体，根据该解个体和所有编码单元，得到该解个体对应的表示空间；对所述表示空间进行进化操作，得到新的表示空间；根据所述新的表示空间和所有解码单元，确定该解个体对应的更新的解个体，以得到第一更新子种群；其中，所述表示空间的维度小于所述解个体的维度。

4.根据权利要求3所述的基于自监督学习式进化的大规模复杂网络社区检测方法，其特征在于，所述采用基于广度学习的方法对所述第二子种群进行更新，得到第二更新子种群，还包括：

确定所述第一子种群的若干个目标解个体；其中，所述目标解个体的数量与所述变量组的数量相同；

对于所述第二子种群中的每个解个体，根据所有目标解个体以及所有变量组对该解个体进行进化操作，确定该解个体对应的更新的解个体，以得到第二更新子种群。

5.根据权利要求1所述的基于自监督学习式进化的大规模复杂网络社区检测方法，其特征在于，所述根据目标网络社区，确定所述目标网络社区对应的原始种群，具体包括：

根据目标网络社区，确定所述目标网络社区对应的目标网络；

根据所述目标网络，确定所述目标网络社区对应的原始种群。

6.根据权利要求5所述的基于自监督学习式进化的大规模复杂网络社区检测方法，其特征在于，所述目标网络包括若干个网络节点；

所述根据所述目标网络，确定所述目标网络社区对应的原始种群，具体包括：

确定所述目标网络中各网络节点各自分别对应的度值；其中，所述度值为连接的网络节点的数量；

根据所有各网络节点的度值，确定所述目标网络的候选社区中心节点；

根据所述候选社区中心节点，确定所述目标网络社区对应的原始种群。

7.根据权利要求6所述的基于自监督学习式进化的大规模复杂网络社区检测方法，其特征在于，所述将所述原始种群分解成第一子种群和第二子种群，具体包括：

确定所述原始种群对应的目标空间；所述目标空间包括：各解个体各自分别对应的目标函数值，所述目标函数值包括KKM目标函数值和RC目标函数值；

将所述目标空间分解成若干个子空间；其中，每个子空间包括至少两个解个体分别对应的目标函数值；

确定各子空间中各解个体各自分别对应的适应度值；

将各子空间的解个体分为第一类解个体和第二类解个体；其中，所述第一类解个体中解个体的适应度值大于所述第二类解个体中解个体的适应度值；

根据所有子空间中第一类解个体，确定所述第一子种群；

根据所有子空间中第二类解个体，确定所述第二子种群。