[发明专利]考虑社区结构稳定度和增量相关节点进行社区发现的方法

摘要

本发明涉及一种考虑社区结构稳定度和增量相关节点进行社区发现的方法，包括以下步骤：1、生成初始社区集，设置社区的初始权重，并初始化迭代时刻；2、计算增量相关节点集合IVt；3、遍历每个社区，解散社区集NSt中社区权重和社区规模小于阈值的社区；4、对集合IVt中的节点进行社区划分，生成新社区；5、遍历每个新社区，解散社区规模小于阈值的新社区；6、遍历剩余相关节点集合IVt‑rm中各节点，计算节点与相邻社区的相似度，将其加入相似度最高的社区，生成社区集NSt；7、更新每个社区的稳定度和权重；8、计算NSt的社区结构稳定度；9、判断是否满足迭代停止条件，以结束计算。该方法可以高效、准确地进行社区发现。

主权项

一种考虑社区结构稳定度和增量相关节点进行社区发现的方法，其特征在于，包括以下步骤：步骤1：采用SLPA算法在网络G1上生成初始社区集NS1；步骤2：对任意社区c∈NS1，设置社区c的初始权重wc(c,t0)＝1.0；步骤3：初始化迭代时刻iter＝2；步骤4：计算t时刻相较于t‑1时刻的增量相关节点集合IVt；步骤5：并行遍历t时刻社区集NSt中的每个社区，解散社区权重小于阈值wcmin的社区和社区规模小于阈值csmin的社区，将被解散的社区内的节点加入IVt；步骤6：采用SLPA算法对集合IVt中的节点进行社区划分，生成新社区；步骤7：并行遍历每个新社区，解散社区规模小于csmin的新社区，将被解散的社区内的节点从集合IVt中删除，加入剩余相关节点集合IVt‑rm，并将剩余的社区加入t‑1时刻社区集NSt‑1；步骤8：并行遍历集合IVt‑rm中的每个节点，计算节点与相邻社区的相似度，将其加入到相似度最高的社区，生成t时刻社区集NSt；步骤9：更新社区集NSt中每个社区的稳定度和权重；步骤10：计算社区集NSt的社区结构稳定度Sm，如果社区结构稳定度Sm大于等于阈值Smin，则输出社区集NSt；否则，调用SLPA算法输出社区集NSt；步骤11：判断是否满足迭代停止条件，是则计算结束，否则令迭代时刻iter加1，并返回步骤4。