通过局部距离和节点秩优化函数的社交网络社区发现系统的制作方法

技术特征：

1.一种通过局部距离和节点秩优化函数的社交网络社区发现系统，其特征在于，包括数据获取模块、拉普拉斯节点矩阵计算模快、网络社交节点值计算发现模块、社区优化模块和展示模块；

数据获取模块的数据输出端与拉普拉斯节点矩阵计算模块的数据输入端相连，拉普拉斯节点矩阵计算模块的数据输出端与网络社交节点值计算发现模块的数据输入端相连，网络社交节点值计算发现模块的数据输出端与社区优化模块的数据输入端相连，社区优化模块的数据输出端与展示模块的展示数据端相连；

数据获取模块用于获取网络社交节点数据集；

拉普拉斯节点矩阵计算模块用于对数据获取模块中获取的网络社交节点数据集进行拉普拉斯归一化处理；得到拉普拉斯节点矩阵；

网络社交节点值计算发现模块用于根据网络社交的内部距离和外部距离，计算得到网络社交节点值：

若网络社交节点值大于或者等于预设网络社交节点值，则发现网络社交社区；

若网络社交节点值小于预设网络社交节点值，则重新发现网络社交社区；

社区优化模块用于对网络社交节点值计算发现模块中发现的网络社交社区进行优化；

展示模块用于将社区优化模块或/和网络社交节点值计算发现模块中得到的网络社交社区进行展示。

2.根据权利要求1所述的通过局部距离和节点秩优化函数的社交网络社区发现系统，其特征在于，在拉普拉斯节点矩阵计算模块中对获取的网络社交节点进行拉普拉斯归一化处理计算方法为：

其中，d表示节点度矩阵；

表示未归一化的拉普拉斯矩阵；

a表示邻接矩阵。

3.根据权利要求1所述的通过局部距离和节点秩优化函数的社交网络社区发现系统，其特征在于，在拉普拉斯节点矩阵计算模块中拉普拉斯节点矩阵中元素值的计算方法为：

其中，deg(vi)表示节点i的度；

deg(vj)表示节点j的度；

vi表示节点i；

vj表示节点j；

表示拉普拉斯节点矩阵中第i行第j列的元素值。

4.根据权利要求1所述的通过局部距离和节点秩优化函数的社交网络社区发现系统，其特征在于，在网络社交节点值计算发现模块中网络社交的内部距离的计算方法为：

其中，l^sym表示拉普拉斯节点矩阵；

表示节点集合vk的邻接矩阵；

g表示社交网络；

vk表示节点集合；k＝1,2,3,...,k；

d^internal(g,vk)表示网络社交的内部距离。

5.根据权利要求1所述的通过局部距离和节点秩优化函数的社交网络社区发现系统，其特征在于，在网络社交节点值计算发现模块中网络社交的外部距离的计算方法为：

其中，l^sym表示拉普拉斯节点矩阵；

表示v-vk的邻接矩阵；

表示节点集合vk的邻接矩阵；

v表示节点分区集合；v＝{v1,v2,v3,...,vk}；

g表示社交网络；

vk表示节点集合；k＝1,2,3,...,k；

d^external(g,vk)表示网络社交的外部距离。

6.根据权利要求1所述的通过局部距离和节点秩优化函数的社交网络社区发现系统，其特征在于，在网络社交节点值计算发现模块中网络社交节点值的计算方法为：

其中，vk表示节点集合；k＝1,2,3,...,k；

v表示节点分区集合；v＝{v1,v2,v3,...,vk}；

d^internal(g,vk)表示网络社交的外部距离；

d^external(g,vk)表示网络社交的内部距离；

sldl(g,v)表示网络社交节点值。

7.根据权利要求4所述的通过局部距离和节点秩优化函数的社交网络社区发现系统，其特征在于，在网络社交节点值计算发现模块中节点集合vk的邻接矩阵avk的计算方法为：

其中，vk表示节点集合；k＝1,2,3,...,k；

v表示节点分区集合；v＝{v1,v2,v3,...,vk}；

vx表示节点x；x＝1,2,3,…,n；

vy表示节点y；y＝1,2,3,…,n。

8.根据权利要求5所述的通过局部距离和节点秩优化函数的社交网络社区发现系统，其特征在于，在网络社交节点值计算发现模块中节点集合v-vk的邻接矩阵av-vk的计算方法为：

其中，vk表示节点集合；k＝1,2,3,…,k；

v表示节点分区集合；v＝{v1,v2,v3,…,vk}；

vx表示节点x；x＝1,2,3,...,n；

vy表示节点y；y＝1,2,3,…,n。

9.根据权利要求1所述的通过局部距离和节点秩优化函数的社交网络社区发现系统，其特征在于，在社区优化模块中对发现的网络社交社区进行优化的方法为：

其中，vk表示节点集合，k＝1,2,3,...,k；

v表示节点分区集合；v＝{v1,v1,v1,...,vk}；

vi表示节点i；

:表示在……情况下，有……；

v[vi]表示节点i属于节点集合v[vi]；

vj表示节点j；

aij表示邻接矩阵a中的第i行第j列元素值；

若成立，则保留节点集合v[vi]；

若不成立，则舍去节点集合v[vi]。

10.根据权利要求1所述的通过局部距离和节点秩优化函数的社交网络社区发现系统，其特征在于，还包括性能度量模块，其性能度量模块中的性能度量的计算方法为：

其中，m表示连接节点边的总数；aij表示邻接矩阵a中的元素值；fij表示任意连接i、j两个节点的边的比例；

其中，deg(vi)表示节点i的度；deg(vj)表示节点j的度；vi表示节点i；vj表示节点j；

或/和还包括jaccard系数模块，其jaccard系数模块中的jaccard系数的计算方法为：

其中，vm为最佳社区结构；

v0为参考向量；

j(vm,v0)表示jaccard系数；

当vm和v0都为空时，j(vm,v0)＝1；

或/和还包括error指数模块，error指数模块中的error指数计算方法为：

其中，vm′为v的结构特征；

v0′为v0的结构特征；

e(vm′,v0′)表示error指数；

当v具有与v0相同的社区结构时e(vm′,v0′)等于0；

将其性能度量值、jaccard系数值、error指数值之一或者任意组合展现在展示模块上。

技术总结
本发明提出了一种通过局部距离和节点秩优化函数的社交网络社区发现系统，包括数据获取模块、拉普拉斯节点矩阵计算模块、网络社交节点值计算发现模块、社区优化模块和展示模块；数据获取模块的数据输出端与拉普拉斯节点矩阵计算模块的数据输入端相连，拉普拉斯节点矩阵计算模块的数据输出端与网络社交节点值计算发现模块的数据输入端相连，网络社交节点值计算发现模块的数据输出端与社区优化模块的数据输入端相连，社区优化模块的数据输出端与展示模块的展示数据端相连。本发明首先考虑了节点自传递问题。其次，提出的方法综合考量了边权值问题，能够有效表示出整个社交网络的特征结构。第三，在处理多比例最优化问题上，本发明的优化函数能有效找到最优的社区结构。最后本发明与其他方法相比，具有更好的性能。

技术研发人员：刘小洋;丁楠;吴松阳
受保护的技术使用者：重庆理工大学
技术研发日：2020.06.23
技术公布日：2020.10.02