[发明专利]一种基于加权模块度的社区发现方法

摘要

本发明公开了一种基于加权模块度的社区发现方法，主要采用加权预处理和模块度优化两步策略(简称Two‑step Strategy)，具体过程如下a加权预处理是通过基于一对节点的邻居相似度提出的CNS算法来对网络进行预处理，重置网络边的权重，得出新的加权网络；b模块度优化是使用模块度算法来发现新产生的加权网络中的社区结构。从而能够解决模块度分辨率限制问题，即规模较小的社区在低于某一阈值时易被合并到规模较大的社区中，并且在计算时提高了准确率，使社区结构更加清晰。

主权项

一种基于加权模块度的社区发现方法，其特征在于，采用加权预处理和模块度优化两步策略(简称Two‑step Strategy)，具体过程如下：a：所述的加权预处理是通过对网络中任意一对节点共同邻居的相似度(简称CNS算法)来重置网络中边的权重，从而产生新的加权网络，网络中边的权重w(i，j)是由节点i和节点j共有的邻居节点数占他们所连接的节点总数的比重所决定的，计算公式为：其中neighbors(i)为节点i的邻居；b：所述的模块度优化是使用模块度算法来发现新产生的加权网络中的社区结构，从而解决了模块度分辨率限制问题，模块度的计算公式为：其中2w为网络总权重，wij是邻接矩阵A中节点i和节点j之间的权重，wi为节点i的度数，即wi＝∑jwij，Ci为节点i所属的社区，δ(Ci，Cj)是由节点i和节点j是否在同一个社区所决定的：若节点i和节点j在同一个社区，则δ(Ci，Cj)＝1，否则，δ(Ci，Cj)＝0。