[发明专利]一种基于局部最优化的社区发现方法

摘要

本发明涉及复杂网络中的社区发现领域，具体公开了一种基于局部最优化的社区发现方法，其是在LFM(Local Fitness Maximum)算法的基础上，一方面提出一种融合网络中节点间连边社会属性和共同邻居节点度的加权方法，利用所形成的连边权重来更新LFM算法中的适应度函数。另一方面在LFM算法局部最优化的过程中引入局部社区稳定度的概念，计算节点加入局部社区前后社区稳定度的变化来判定该节点对社区稳定度的贡献程度，以此作为节点是否被加入社区的准则。本发明的方法避免了超大社区的出现，容易发现网络中更有意义的小团体结构，适用于真实的社会网络。

主权项

1.一种基于局部最优化的社区发现方法，其特征在于，主要包括以下步骤：(1)数据获取阶段：首先从抽象的社会网络结构中提取出顶点集和边集，构建该网络对应的图结构。(2)生成权重阶段：节点间连边权重主要由两部分构成，一是基于连边社会属性的直接联系强度，二是基于共同邻居节点度的间接联系强度。融合这两部分的结果得到新的连边权重，来更新适应度函数。(3)社区发现阶段：在未被分配至任何社区的节点集合中随机选取一个节点作为局部社区G的初始成员，在该社区局部最优化的过程中加入邻居节点对局部社区稳定度的计算，进一步限制节点加入社区的条件。待局部社区G内所有节点的邻居节点对社区的适应度为负值时，该社区的发现过程结束。随后继续随机选择其他孤立节点，直至网络中所有节点都被至少划分至一个社区为止。(4)社区发现结果输出：将上一步所形成的社区结构保存在列表中，每个社区保存其长度，内部节点按编号从小到大排序。