[发明专利]基于传递相似度和聚类度的两阶段局部社区发现方法

摘要

本发明涉及基于传递相似度和聚类度的两阶段局部社区发现方法，具体涉及一种基于传递相似度、局部聚类度与广度优先搜索的局部社区发现方法，包含核心社区检测和社区扩展两阶段。在核心社区检测阶段，将给定节点和其最大局部聚类度的邻居节点加入社区中，并通过生成核心社区解决种子依赖性问题；本发明提出的传递相似性计算，同局部聚类度和搜索深度一起构成核心节点判定条件，解决了核心节点判断不准确问题；提出核心节点判定阈值和扩展节点并入社区阈值自动选取的方法，能够适应网络结构变化，自动选定不同阈值和停止遍历的条件，可以解决社区扩展结束条件确定难的问题。

主权项

1.基于传递相似度和聚类度的两阶段局部社区发现方法，其特征在于：包括以下步骤：步骤S1：读取网络数据集，生成网络图G；读取给定的节点Vu；步骤S2：初始化当前检测到的社区集合C、社区邻居队列N、节点传递相似度向量S、广度遍历深度向量Depth、节点权重W；步骤S3：根据节点局部聚类度LCC，将给定节点Vu及其具有最大LCC值的邻居节点加入C中，更新N、S、Depth、W；步骤S4：遍历N中每一个节点Vi，将满足核心节点条件的节点Vi加入社区C中，并将其未在C和N中的邻居节点加入N中，当N中所有节点都遍历完成后，就生成了由核心节点组成的核心社区C；步骤S5：根据主关键字Depth值递增，此关键字S值递减顺序排序核心社区C；步骤S6：根据公式(6)计算核心社区C中所有节点的平均节点传递相似度Savg；步骤S7：遍历C中每个节点Vi，并将Vi的每个不在C和N中的节点加入N中；步骤S8：遍历N中每一个节点Vi，将满足扩展节点条件的节点Vi加入社区C中，并将其未在C和N中的邻居节点加入N中，当N中所有节点都遍历完成后，就生成了给定节点Vu所在的社区C；步骤S9：输出最终的社区划分结果C。