[发明专利]一种挖掘符号网络中最大有符号θ团的方法

说明书

本发明公开了一种挖掘符号网络中最大有符号θ团的方法。对于符号网络，用户与用户之间会存在朋友和敌对的关系，而用户之间的关系会显著影响符号网络的稳定性。本发明根据符号网络提出了一种新的模型，即最大有符号θ团，它满足四个条件：其中的任意一个顶点的正邻居数与负邻居数之差需大于等于θ；是极大的；点数是最多的；是一个团，即团中的每一对顶点都是相邻的。考虑到θ团的属性，本发明提出新的修剪策略，从而更有效地缩减候选集的大小。与此同时，本发明结合新的修剪策略开发了高效的MSCD算法，从而能够在大型符号网络上快速挖掘最大有符号θ团。因此，本发明方法的应用对稠密子图的挖掘及符号网络间关系的稳定性的预测有着极大的效益。

技术领域

本发明涉及多媒体符号网络技术领域，尤其涉及一种挖掘符号网络中最大有符号θ团的方法。

背景技术

在现实生活中，人们的生活离不开社交网络，例如微博、脸书、推特之类的社交网络在我们生活中起到了至关重要的作用。随着因特网和万维网技术的迅速发展，研究者对社交网络的研究兴趣不断增长，他们已经对挖掘社交网络中的稠密子图付出了极大的贡献。目前研究中已经提出了许多稠密子图模型，如k核、k桁架和团等。这些模型在蛋白质结构预测、纠错代码、网络拓扑分析、计算机视觉、组合拍卖中起到了极大的作用。但是在现有研究中，大多数研究只考虑无符号社交网络，即将所有的关系视为正向关系，将所有的用户都当做朋友。然而，用户之间的交互涉及积极(例如朋友)和消极(例如敌人)的联系。在大型社交网络中，积极关系和消极关系都应该存在，如果忽略了消极关系，则可能无法正确挖掘有符号网络中的稠密子图。对于θ团，它对稠密子图中每个顶点的正负邻居的数量设置了约束，以确保该顶点拥有的正邻居数量一定大于负邻居的数量。而挖掘有符号网络中的最大有符号θ团，可以帮助我们更加清晰的认识社交网络中最重要的特征，同时对维护有符号网络起到了极大的帮助。然而在现有的研究中，已有的对于在符号网络中挖掘最大有符号θ团的效率并不高。

发明内容

对于符号网络，用户与用户之间会存在朋友和敌对的关系，而用户之间的关系会显著影响符号网络的稳定性。本发明根据符号网络提出一种新的模型，即最大有符号θ团，它满足四个条件：其中的任意一个顶点的正邻居数与负邻居数之差需大于等于θ；是极大的，即任何它的超图都不是有符号θ团；点数是最多的；是一个团，即团中的每一对顶点都是相邻的。

考虑到θ团的属性，本发明提出新的修剪策略，从而更有效地缩减候选集的大小。与此同时，本发明结合新的修剪策略开发了高效的MSCD算法，从而能够在大型符号网络上快速挖掘最大有符号θ团。

本发明的目的是通过以下技术方案实现的：一种挖掘符号网络中最大有符号θ团的方法，该方法包括：

通过三种修剪策略过滤图G中不必要的点和边，包括：

引理1：基于顶点的修剪规则：对于有符号θ团中的顶点u，需满足u的正邻居数量大于等于θ；

引理2：基于边的修剪规则：对于有符号θ团S中的两个顶点u和v，它们相连的边(u，v)为正边，则该边至少被包含在(θ-1)个正三角形中，所述正三角形为三条边均为正边的三角形；

引理3：基于边的修剪规则：对于有符号θ团S中的两个顶点u和v，它们相连的边(u，v)为负边，则该边至少被包含在(θ+1)个负三角形中，所述负三角形为两条边为正边，另一条边为负边的三角形；

通过最大化有符号θ团贪心启发算法在大型符号网络上迅速挖掘最大有符号θ团，包括：

步骤一，根据引理1过滤图G中不满足条件的顶点，得到新的图G'；

步骤二，根据引理2判断图G'中正边所在的正三角形的数量，根据引理3判断图G'中负边所在的负三角形的数量，将不满足条件的边从图G'中删去，从而得到新的图A；

步骤三，移除图A中孤立的点；

步骤四，使用着色算法贪心地将图A中的点着色；