[发明专利]一种社交网络中的社区结构发现方法

摘要

本发明公开了一种复杂社交网络中的社区结构发现方法，属于网络技术领域。本方法包括以下步骤步骤一将社交网络转换为邻接矩阵形式，如果两个节点之间存在边，那么相对应的元素为1，否则为0；步骤二利用随机游走理论对邻接矩阵进行处理，得到新的节点度数P‑degree以及边权值P‑weight；步骤三根据新的节点度数P‑degree得到社交网络中的领袖节点；步骤四基于领袖节点生成子社区，并通过对子社区的一系列操作来进行社区发现。该方法能够高效的识别出社交网络中的社区结构，同时将本方法与一些经典的社区发现算法如Newman算法相比，在模块度指标上有着更好的表现。将本发明用于后续的社交网络实践中有着重要的意义。

主权项

一种社交网络中的社区结构发现方法，其特征在于：包括以下步骤：步骤一：将社交网络转换为邻接矩阵形式，如果两个节点之间存在边，那么相对应的元素为1，否则为0；步骤二：利用随机游走理论对邻接矩阵进行处理，得到新的节点度数P‑degree以及边权值P‑weight；步骤三：根据新的节点度数P‑degree得到社交网络中的领袖节点；步骤四：基于领袖节点生成子社区，并通过对子社区的一系列操作来进行社区发现；在步骤二中，利用随机游走理论处理社交网络相对应的邻接矩阵，将新的节点度数命名为P‑degree，新的边的权值命名为P‑weight；领袖节点的基础是P‑degree(i)的值；根据原始矩阵A，得到过渡矩阵P，其元素表示为Pij＝Aij/ki，其中ki为节点i的度数；同时，根据过渡矩阵P得到Pt，其元素Pijt为一个随机游走者从节点i经过t步走到节点j的概率；矩阵PF用来表示最终得到的矩阵PF＝P*θ1+P2*θ2+P3*θ3......+PT*θt，公式中参数θ1、θ2、θ2......θt，0≤θi≤1，1≤i≤t，表示对不同的过渡矩阵赋予不同的权值；根据过渡矩阵PF得到P‑degree，(P‑degree(i))＝PF(i,i)。