一种结合节点信息和网络结构的社区发现方法与流程

技术特征：

1.一种结合节点信息和网络结构的社区发现方法，其特征在于，具体步骤包括：

(1)根据节点特征对社区划分的影响程度，对节点特征进行分类；

(2)根据节点特征对节点进行内容相似度计算；

(3)根据网络结构，得到网络的邻接矩阵A；

(4)设定阈值，更新网络权重，生成有权网络；

(5)根据实际需要设置参数，选择社区发现算法，对步骤(4)得到的有权网络进行处理，得到最终社区划分。

2.根据权利要求1所述的一种结合节点信息和网络结构的社区发现方法，其特征在于，所述步骤(1)，具体包括：

a、根据节点特征对社区划分的影响程度，人为地为节点特征分类；设定将某一节点特征分为n类特征；

b、对社区划分的影响程度比较大的节点的某类特征，为该类特征赋予较大的权值，对社区划分影响程度比较小的节点的某类特征，则为该类特征赋予较小权值；n类特征的权值依次设为n₁,n₂,...,n_n，n₁+n₂+...+n_n＝1。

3.根据权利要求2所述的一种结合节点信息和网络结构的社区发现方法，其特征在于，所述步骤(2)，具体包括：

c、采用余弦相似度计算方法，分别计算节点的每一类特征的局部相似度，计算公式如式(Ⅰ)所示：

$S_{ij}=cos({\stackrel{\→}{f}}_i,{\stackrel{\→}{f}}_j)=\frac{{\stackrel{\→}{f}}_i\·{\stackrel{\→}{f}}_j}{\left|\right|{\stackrel{\→}{f}}_i\left|\right|\left|\right|{\stackrel{\→}{f}}_j\left|\right|}---\left(I\right)$

式(Ⅰ)中，S_ij指网络中节点i和节点j的相似度，分别是指节点i、节点j的节点特征组成的特征向量；

d、对节点的每一类特征的局部相似度加权求和，求出全局相似度，节点i、节点j的全局相似度计算公式如式(Ⅱ)所示：

Sim_ij＝n₁Sim1+n₂Sim2+...+n_nSimn (Ⅱ)

式(Ⅱ)中，Sim1，Sim2，...，Simn分别代表n类节点特征的局部相似度；Sim_ij是指节点i和节点j的总相似度，即全局相似度。

4.根据权利要求3所述的一种结合节点信息和网络结构的社区发现方法，其特征在于，所述步骤(3)，具体步骤包括：

对于无向网络，若网络中的任意两个节点i,j之间有连接，则设置A_ij＝A_ji＝1,若无连接，则设置A_ij＝0，通过这种方式，得到网络连接的邻接矩阵A，A_ij、A_ji分别是指矩阵A中第i行j列的元素和第j行i列的元素。

5.根据权利要求4述的一种结合节点信息和网络结构的社区发现方法，其特征在于，所述步骤(4)，具体步骤包括：

e、对于无向网络，网络中的任意两个节点i,j之间连接边的权重Q_ij设置公式如式(Ⅲ)所示：

Q_ij＝kA_ij+(1-k)Sim_ij (Ⅲ)

根据式(Ⅲ)，得到网络中所有节点中任意两个节点之间的权重,k为常数，k的取值为(0,1)；

f、根据权重Q_ij的取值范围，设置阈值q，设置公式如式(Ⅳ)所示：

q＝Q_ijmin+p*(Q_ijmax-Q_ijmin) (Ⅳ)

式(Ⅳ)中，p为百分数，p的取值为(0,1)，Q_ijmax、Q_ijmin分别指Q_ij取值的最大值和最小值；

g、生成有权网络，具体如下：

若Q_ij>q，则在节点i,j之间建立一条连接边，并给这条边赋予权重Q_ij，若Q_ij<q,则舍弃权重权重Q_ij，且节点i,j之间不建立连接边，根据此规则，对原始网络进行重建，生成有权网络。

6.根据权利要求1所述的一种结合节点信息和网络结构的社区发现方法，其特征在于，所述步骤(5)，具体步骤包括：选择社区发现算法，对该有权网络进行处理，得到最终社区划分。

7.根据权利要求6所述的一种结合节点信息和网络结构的社区发现方法，其特征在于，所述社区发现算法包括派系过滤算法、标签传播算法、GN算法。