一种社会网络中的邻域跟随社区发现方法
【技术领域】
[0001] 本发明涉及社会网络技术领域，特别是一种社会网络中的邻域跟随社区发现方 法。
【背景技术】
[0002] 从社会网络中检测社区结构是社会网络分析中的一项重要任务，无论是理论上还 是实际应用中都具有十分重要的意义。通过挖掘网络中的社区结构，能够发现网络中隐含 的组织结构信息、社会功能以及社区成员之间隐含的有趣属性，如共同爱好等。通过研宄社 会网络中社区之间、个体之间以及个体与社区之间的关系，可以挖掘出大量有价值的信息， 可应用于许多领域。
[0003] 针对社区发现，已经出现了很多经典的方法。总体上，社区发现的经典方法包括基 于图分割、层次聚类、模块度优化、标签传播、极大团、边图划分、种子节点扩展、模糊聚类的 社区发现方法。 ΛΖ方法是较早出现的一种社区发现方法，其优化目标为极小化社区间连接数目与社区 内连接数目之差，并使用贪心策略寻找最优的社区划分。ΛΖ方法的主要缺点在于需要社区 数和社区的平均规模作为算法的输入参数，且对输入参数很敏感，算法的时间复杂度也较 尚。
[0004] 6?? Girvan和Newman提出的基于边介数的分裂式层次聚类方法。由于边介数 的计算代价较大，0??法的时间复杂度达到久? 2/?)，其中《为边数，为节点数，不适用于 大规模网络。为解决大规模网络的应用问题，Newman等在O韵基础上提出了 /???法。/W 方法提出了模块度作为网络划分质量的标准，设计了一种基于模块度的凝聚式层次聚类方 法，其时间复杂度为久皿)。模块度为研宄人员提供了一种用于选择网络划分的目标函数， 研宄人员将贪心策略、模拟退火、极值优化、禁忌搜索、整数规划等多种优化策略应用于模 块度优化，模块度优化是目前社区发现的主流方法，典型方法包括fiW、似、況?以及 整数规划法，但是存在分辨率问题，难以发现小规模社区，而且由于模块度优化的搜索空 间非常大，当应用于大规模网络时，方法的结果也变得很不可靠。
[0005] 基于信息传播的思想，Raghavan等提出了标签传播方法Z/^，考虑社会网络的 结构特征和信息传播特性，通过基于局部搜索的标签更新，经迭代收敛后将具有相同标签 的节点聚合到同一社区。1/?的最大优点在于无需参数，收敛速度快，具有线性时间复杂度 〇0?)，适用于大规模社会网络；但由于标签更新规则的随机性，的稳定性和精度较差。 FMWu-Huberman)方法将复杂网络建模为电路系统，网络连接看作是具有电阻的线路，不同 位置的网络节点具有不同电位势，通过启发式规则寻找最大位势差以区分不同的社区。M 方法具有近似线性的时间复杂度，但是需要社区数目和社区规模作为输入参数。Rosvall 等提出了 一种基于最小化随机游走平均编码长度模型的聚类方法//?/〇#卻。的优 点是社区发现速度快、准确率高、无需社区数量作为输入参数，但是当社区结构趋向不清晰 时，聚类效果下降明显。
[0006] 上述社区发现方法通常存在参数敏感或者时间复杂度高的问题，难以应用于大规 模复杂网络的社区发现，综上，现有的社会网络社区发现方法从发现的社区结构质量以及 时间效率上看都尚有很大的提升空间。面对大规模社交网络的场景，现有方法无论实在效 果和效率上都难以满足要求。
【发明内容】
[0007] 本发明的目的在于提供一种社会网络中的邻域跟随社区发现方法，该方法有利于 提尚社区检测的精度和效率。
[0008] 为实现上述目的，本发明的技术方案是：一种社会网络中的邻域跟随社区发现方 法，包括以下步骤： 步骤A :读取社会网络数据，构造以社会网络用户为节点，用户关系为边的社会网络 图； 步骤B :根据社会网络图，遍历社会网络图中的节点，将所有节点的角色初始化为未确 定； 步骤C :根据社会网络图，遍历社会网络图中的节点，确定节点间的跟随关系； 步骤D :根据节点间的跟随关系，遍历社会网络图中的节点，将跟随同一节点的节点划 分至同一社区。
[0009] 进一步地，所述步骤C中，确定节点间的跟随关系，包括以下步骤： 步骤Cl :对于所遍历的节点A按照最可信赖邻域跟随规则选择节点釦 步骤C2 :设置节点Z的社区跟随目标为节点么并更新节点础勺社区跟随者数量，即以 节点^为社区跟随目标的节点数量； 步骤C3 :若节点Z的角色尚未确定，则将节点Z的角色设置为社区跟随者； 步骤C4 :判定节点A是否满足作为社区领导者的条件，如果满足，设置节点A的角色为 社区领导者；反之设置节点左的角色为社区跟随者； 步骤C5 :重复步骤C1~C4,直到社会网络图中的所有节点均已遍历。
[0010] 进一步地，所述步骤Cl中，采用的最可信赖邻域跟随规则为：获取节点Z的邻域中 社区跟随节点最多的节点作为节点Z的社区跟随目标，定义为：
【主权项】
1. 一种社会网络中的邻域跟随社区发现方法，其特征在于，包括以下步骤： 步骤A:读取社会网络数据，构造以社会网络用户为节点，用户关系为边的社会网络 图； 步骤B:根据社会网络图，遍历社会网络图中的节点，将所有节点的角色初始化为未确 定； 步骤C:根据社会网络图，遍历社会网络图中的节点，确定节点间的跟随关系； 步骤D:根据节点间的跟随关系，遍历社会网络图中的节点，将跟随同一节点的节点划 分至同一社区。
2. 根据权利要求1所述的一种社会网络中的邻域跟随社区发现方法，其特征在于，所 述步骤C中，确定节点间的跟随关系，包括以下步骤： 步骤C1 :对于所遍历的节点按照最可信赖邻域跟随规则选择节点釦 步骤C2 :设置节点z的社区跟随目标为节点么并更新节点础勺社区跟随者数量，即以 节点^为社区跟随目标的节点数量； 步骤C3 :若节点z的角色尚未确定，则将节点z的角色设置为社区跟随者； 步骤C4 :判定节点A是否满足作为社区领导者的条件，如果满足，设置节点A的角色为 社区领导者；反之设置节点左的角色为社区跟随者； 步骤C5 :重复步骤C1~C4,直到社会网络图中的所有节点均已遍历。
3. 根据权利要求2所述的一种社会网络中的邻域跟随社区发现方法，其特征在于，所 述步骤C1中，采用的最可信赖邻域跟随规则为：获取节点z的邻域中社区跟随节点最多的 节点作为节点^的社区跟随目标，定义为：
其中私表示节点所选择的社区跟随目标，AfeigA/wrAoot/U)表示节点x的 邻域，定义为：
其中#U)为节点^的邻居节点集合，由与节点^有边相连的所有节点构成，定义为：
其中分别为社会网络图邮]节点集合与边集合； /b#示节点jl的社区跟随节点数，即节点jl的邻域中，以节点j为社区跟随目标的节 点数量，定义为：
其中示节点J前邻域中，以节点J为社区跟随目标的节点集合，即与节 点J之间存在直接邻域跟随关系的节点集合，宙义为：
其中尸4 _/表示节点与节点J之间存在直接邻域跟随关系，定义为：
节点Z的邻域包含节点本身，因此节点Z的社区跟随目标可以是节点Z本身；如节点z的邻域中有多个节点满足跟随节点数最多的条件，则从中选择度最大的节点作为节点Z的 社区跟随目标；如仍有多个节点满足度最大的条件，则从中随机选择一个节点作为节点Z 的跟随目标。
4. 根据权利要求3所述的一种社会网络中的邻域跟随社区发现方法，其特征在于，定 义节点在社区中的两种角色：社区领导者和社区跟随者，社区由不同角色的节点以及节点 间的跟随关系构成，一个社区由一个社区领导者节点和其余的社区跟随者节点构成，社区 内的每个节点都直接或间接地跟随社区领导者节点，一个由社区领导者节点7表示的社区 定义为：
其中：/表示节点^与节点7之间存在直接邻域跟随关系，即节点x直接跟 随社区领导者节点7, /表示节点I与节点7之间存在间接邻域跟随关系，即 节点X不属于7的邻域，但两个节点间存在中间节点，构成一个从到/的跟随链：,Y^ / - ?,, ^ ，即节点4司接跟随社区领导者节点厶记为:r 表示 由社区领导者节点7表示的社区包括社区领导者节点自身。
5. 根据权利要求4所述的一种社会网络中的邻域跟随社区发现方法，其特征在于，所 述步骤B4中，判定节点A是否满足作为社区领导者的条件定义为：
即给定参数r(0〈K1)，刍节点雄]用笆为社凶跟随有时，右M4彡r，则将节点础勺 角色设置为社区领导者；若节点^为社区领导者但Z仏〈r，则重新设置节点左的角色为社 区跟随者； 其中Z仏表示节点左的领袖质量，为节点左的社区跟随节点数与节点左的社区跟随目 标的社区跟随节点数的比值，以反映节点独立于其社区跟随目标的能力，定义为：
其中为节点左的社区跟随节点数为节点左的社区跟随目标的社区跟 随节点数。
6. 根据权利要求5所述的一种社会网络中的邻域跟随社区发现方法，其特征在于，所 述步骤D中，根据节点间的跟随关系得到网络社区，具体包括以下步骤： 步骤D1 :对于所遍历的节点寻找节点z所跟随的社区领导者节点7; 步骤D2 :获取由社区领导者节点/所代表的节点集合，即由社区领导者节点/所代表 的社区，将节点r添加到该集合中； 步骤D3 :重复步骤D1~D2,直到社会网络图中的所有节点均已遍历。
7.根据权利要求6所述的一种社会网络中的邻域跟随社区发现方法，其特征在于，所 述步骤D1中，寻找节点z所跟随的社区领导者节点/的具体方法如下：对于所遍历的节点 A若节点^的角色为社区领导者，则社区领导者节点7即节点z本身；若节点的角色为社 区跟随者，则沿着节点^到社区领导者节点的跟随链上溯，直到找到社区领导者节点，即在 跟随链上找到角色为社区领导者的节点，将节点^所跟随的社区领导者节点7设置为该节 点；若在上溯过程中发现某个节点的社区跟随目标为节点z本身，即出现跟随环路情况时， 则停止上溯，将节点^的角色设置为社区领导者节点，即节点^的社区领导者节点/设置为 节点z本身。
【专利摘要】本发明涉及社会网络技术领域，特别是一种社会网络中的邻域跟随社区发现方法，包括以下步骤：步骤A：读取社会网络数据，构造以社会网络用户为节点，用户关系为边的社会网络图；步骤B：根据社会网络图，遍历社会网络图中的节点，确定节点间的跟随关系；步骤C：根据节点间的跟随关系，遍历社会网络图中的节点，将跟随同一节点的节点划分至同一社区，得到社会网络的社区结构。该方法可提高社区检测的精度和效率，且具有接近线性的时间复杂度，能够快速有效地挖掘社会网络中的社区结构，可应用于目标群体挖掘、精确营销等领域。
【IPC分类】G06Q50-00
【公开号】CN104700311
【申请号】CN201510046397
【发明人】陈羽中, 牛玉贞, 郭文忠, 施松
【申请人】福州大学
【公开日】2015年6月10日
【申请日】2015年1月30日