一种复杂网络中网络社团的确定方法及装置与制造工艺

本申请涉及计算机应用技术领域，特别涉及一种复杂网络中网络社团的确定方法及装置。

背景技术：
随着目前对网络的性质、物理意义及数学特性的深入研究，发现在一个复杂网络中可以含有多个网络社团，各个网络社团均为一组相互之间有着较大的相似性而与其所在复杂网络中的其他网络社团之间有着很大不同的节点群，也就是说，各个网络社团中内部节点之间的连接非常紧密，而每个网络社团之间的连接相对稀疏。例如，万维网可以看作为由大量网络社团组成的复杂网络，在万维网中，同一个网络社团内部的各个网站关注共同兴趣的话题。例如，在生物、电路等网络中，可以将各个节点依据其各自不同的性质划分为不同的网络社团。其中，复杂网络及每个网络社团通常为有向赋权网络，在每个网络社团中包括多个节点，节点之间的连线称为边，每条边具有方向性，每条边在其每个方向上具有其各自的边权值。例如，在邮件网络中，从边的方向可以辨别通信行为中的收件人和发件人，邮件网络中的两个节点之间收发邮件的数量可能各不相同，由此可以在一定程度上标明双方关系的紧密型。现有技术中，已经有多种实现网络社团发现的方案。以基于聚合思想的Newman快算算法的发现方案为例，其思想为：将复杂网络中的每个节点作为一个社团，合并使得模块度函数值增益最大的两个社团，依次迭代计算，直到整个复杂网络合并成为一个大社团。整个计算过程以树状图呈现，在模块度函数Q取得最大值时对网络进行划分。Newman快速算法的优点是计算速度很快，总的时间复杂度为O(m(m+n))，其中m为网络中的边数，n为节点数。上述Newman快速算法虽然能够实现复杂网络中的社团发现，但该方案忽略了复杂网络中存在节点间边的方向及权重等特点，使得其进行社团发现的准确率较低。

技术实现要素：
本申请所要解决的技术问题是提供一种复杂网络中网络社团的确定方法及装置，用以解决现有技术中采用Newman快速算法进行复杂网络中的社团发现时，由于忽略了复杂网络中存在节点间边的方向及权重等特点，使得其进行社团发现的准确率较低的技术问题。本申请提供了一种复杂网络中网络社团的确定方法，所述复杂网络包括多个节点，每个所述节点分别与至少一个区别于自身节点的节点相连，相连节点之间的边具有两个边方向，且每个边方向具有各自的边权值，所述方法包括：依据所述复杂网络中相连节点之间边的边权值，获取所述复杂网络中每个节点的局部重心性数值；依据每个节点的局部重心性数值，在所述复杂网络中确定至少一个节点作为目标局部重心点；在所述复杂网络中，确定分别以每个所述目标局部重心点为重心的初始社团；确定所述初始社团中的网络社团。上述方法，优选的，所述依据所述复杂网络中相连节点之间边的边权值，获取所述复杂网络中每个节点的局部重心性数值，包括：利用获取所述复杂网络中每个节点的权重值；其中，wij为所述复杂网络中节点vi指向节点vj的边方向的边权值，wji为节点vj指向节点vi的边方向的边权值，r为边权值wji中与边权值wij相关联的数值，Hi＝{vj|eij∈E∪eij∈E}∪{vi}为所述复杂网络中节点vi所属的邻域节点，λ、β为参数，wi为所述复杂网络中节点vi的权重值；依据所述复杂网络中每个节点的权重值，利用获取所述复杂网络中每个节点的局部重心性数值；其中，wj为所述复杂网络中节点vj的权重值，Act(vi)为所述节点vi的局部重心性数值。上述方法，优选的，所述依据每个节点的局部重心性数值，在所述复杂网络中确定至少一个节点作为目标局部重心点，包括：获取局部重心性数值大于预设第一数值的节点作为初始局部重心点；在所述复杂网络中，确定分别以每个所述初始局部重心点为重心的初始局部社团；分别在每个所述初始局部社团中，确定到该初始局部社团中其他节点的距离之和最小的节点作为目标局部重心点。上述方法，优选的，所述依据每个节点的局部重心性数值，在所述复杂网络中确定至少一个节点作为目标局部重心点，包括：分别确定每个所述节点的邻域所组成社团各自的社团密度值；获取每个所述节点的局部重心性数值与该节点对应的社团密度值的乘积；确定所述乘积大于预设第二数值的节点作为目标局部重心点。上述方法，优选的，所述在所述复杂网络中，确定分别以每个所述目标局部重心点为重心的初始社团，包括：对所述目标局部重心点依据其各自的局部重心性数值的大小进行排序；依次分别确定以排序后的每个所述目标局部重心点为重心的初始社团。上述方法，优选的，所述依次分别确定以排序后的每个所述目标局部重心点为重心的初始社团，包括：选取排序后的第一个目标局部重心点作为当前目标局部重心点；将与所述当前目标局部重心点及所述当前目标局部重心点相连接的节点确定为一个初始社团；选取排序在所述当前目标局部重心点之后的第一个目标局部重心点作为当前目标局部重心点；将所述当前目标局部重心点及与所述当前目标局部重心点相连接且不存在与其他初始社团中的节点确定为一个初始社团，返回执行所述选取排序在所述当前目标局部重心点之后的第一个目标局部重心点作为当前目标局部重心点，直到所述当前目标局部重心点为排序后的最后一个目标局部重心点。上述方法，优选的，所述确定所述初始社团中的网络社团，包括：任意选取两个所述初始社团组成一个社团组；获取每个所述社团组的模块度函数值增量；对每个所述社团组依据其各自的模块度函数值增量的大小进行排序；在排序后的所述社团组中，依次选取L个其模块度函数值增量大于零且其内所包含的初始社团唯一被选取的社团组；将选取的社团组中的两个初始社团进行合并，得到新的社团，将所述新的社团作为初始社团，返回执行所述任意选取两个所述初始社团组成一个社团组，直到任意选取两个初始社团组成的社团组的模块度函数值增量小于或者等于零；确定当前存在的初始社团为所述复杂网络中的网络社团；其中，L为所述社团组中，其模块度函数值增量大于或者等于(ΔQbiggest-ΔQsmallest)2的社团组的数量值，ΔQbiggest为模块度函数值增量大于零的社团组中模块度函数值增量的最大值，ΔQsmallest为模块度函数值增量大于零的社团组中模块度函数值增量的最小值。上述方法，优选的，所述方法还包括：确定每个所述网络社团中，与区别于其所属网络社团的目标网络社团节点相连接的目标节点，所述目标节点组成节点组；选取所述节点组中的一个目标节点作为当前节点；获取所述目标网络社团中，在所述当前节点添加至所述目标网络社团时的目标社团强度增量；判断所述目标社团强度增量是否小于或者等于零，如果是，将所述当前节点移除出所述节点组中，返回执行所述选取所述节点组中的一个目标节点作为当前节点，直到所述节点组为空，否则，将所述当前节点确定为该当前节点的所属网络社团及所述目标网络社团的重叠节点，并将所述当前节点移除出所述节点组中，选取所述当前节点的相连节点作为目标节点添加至所述节点组中，返回执行所述选取所述节点组中的一个目标节点作为当前节点，直到所述节点组为空；依据所述重叠节点，确定每两个所述网络社团之间的重叠网络社团。本申请还提供了一种复杂网络中网络社团的确定装置，所述复杂网络包括多个节点，每个所述节点分别与至少一个区别于自身节点的节点相连，相连节点之间的边具有两个边方向，且每个边方向具有各自的边权值，所述方法包括：局部重心性获取单元，用于依据所述复杂网络中相连节点之间边的边权值，获取所述复杂网络中每个节点的局部重心性数值；局部重心点确定单元，用于依据每个节点的局部重心性数值，在所述复杂网络中确定至少一个节点作为目标局部重心点；初始社团确定单元，用于在所述复杂网络中，确定分别以每个所述目标局部重心点为重心的初始社团；网络社团确定单元，用于确定所述初始社团中的网络社团。上述装置，优选的，所述局部重心性获取单元，包括：权重值获取子单元，用于利用获取所述复杂网络中每个节点的权重值；其中，wij为所述复杂网络中节点vi指向节点vj的边方向的边权值，wji为节点vj指向节点vi的边方向的边权值，r为边权值wji中与边权值wij相关联的数值，Hi＝{vj|eij∈E∪eij∈E}∪{vi}为所述复杂网络中节点vi所属的邻域节点，λ、β为参数，wi为所述复杂网络中节点vi的权重值；局部重心性获取子单元，用于依据所述复杂网络中每个节点的权重值，利用获取所述复杂网络中每个节点的局部重心性数值；其中，wj为所述复杂网络中节点vj的权重值，Act(vi)为所述节点vi的局部重心性数值。上述装置，优选的，所述局部重心点确定单元，包括：初始局部重心点确定子单元，用于获取局部重心性数据值大于预设第一数值的节点作为初始局部重心点；初始局部社团确定子单元，用于在所述复杂网络中，确定分别以每个所述初始局部重心点为重心的初始局部社团；第一局部重心点确定子单元，用于分别在每个所述初始局部社团中，确定到该初始局部社团中其他节点的距离之和最小的节点作为目标局部重心点。上述装置，优选的，所述局部重心点确定单元包括：社团密度值确定子单元，用于分别确定每个所述节点的邻域所组成社团各自的社团密度值；乘积获取子单元，用于获取每个所述节点的局部重心性数值与该节点对应的社团密度值的乘积；第二局部重心点确定子单元，用于确定所述乘积大于预设第二数值的节点作为目标局部重心点。上述装置，优选的，所述初始社团确定单元，包括：局部重心点排序子单元，用于对所述目标局部重心点依据其各自的局部重心性数值的大小进行排序；初始社团确定子单元，用于依次分别确定以排序后的每个所述目标局部重心点为重心的初始社团。上述装置，优选的，所述初始社团确定子单元，包括：第一局部重心点选取模块，用于选取排序后的第一个目标局部重心点作为当前目标局部重心点；第一初始社团确定模块，用于将与所述当前目标局部重心点及所述当前目标局部重心点相连接的节点确定为一个初始社团；迭代局部重心点选取模块，用于选取排序在所述当前目标局部重心点之后的第一个目标局部重心点作为当前目标局部重心点，触发迭代初始社团确定模块；所述迭代初始社团确定模块，用于将所述当前目标局部重心点及与所述当前目标局部重心点相连接且不存在与其他初始社团中的节点确定为一个初始社团，返回触发所述迭代局部重心点选取模块，直到所述当前目标局部重心点为排序后的最后一个目标局部重心点。上述装置，优选的，所述网络社团确定单元，包括：社团组组合子单元，用于任意选取两个所述初始社团组成一个社团组；增量获取子单元，用于获取每个所述社团组的模块度函数值增量；社团组排序子单元，用于对每个所述社团组依据其各自的模块度函数值增量的大小进行排序；社团组选取子单元，用于在排序后的所述社团组中，依次选取L个其模块度函数值增量大于零且其内所包含的初始社团唯一被选取的社团组；社团组合子单元，用于将选取的中的两个初始社团进行合并，得到新的社团，将所述新的社团作为初始社团，返回触发所述社团组组合子单元，直到所述社团组组合子单元组合到的社团组的模块度函数值增量小于或者等于零；社团确定子单元，用于确定当前存在的初始社团为所述复杂网络中的网络社团；其中，L为所述社团组中，其模块度函数值增量大于或者等于(ΔQbiggest-ΔQsmallest)2的社团组的数量值，ΔQbiggest为模块度函数值增量大于零的社团组中模块度函数值增量的最大值，ΔQsmallest为模块度函数值增量大于零的社团组中模块度函数值增量的最小值。上述装置，优选的，所述装置还包括：目标节点确定单元，用于在所述网络社团确定单元确定到所述网络社团之后，确定每个所述网络社团中，与区别于其所属网络社团的目标网络社团节点相连接的目标节点，所述目标节点组成节点组；当前节点确定单元，用于选取所述节点组中的一个目标节点作为当前节点；强度增量获取单元，用于获取所述目标网络社团中，在所述当前节点添加至所述目标网络社团时的目标社团强度增量；重叠判断单元，用于判断所述目标社团强度增量是否小于或者等于零，如果是，将所述当前节点移除出所述节点组中，返回触发所述当前节点确定单元，直到所述节点组为空，否则，将所述当前节点确定为该当前节点的所属网络社团及所述目标网络社团的重叠节点，并将所述当前节点移除出所述节点组中，选取所述当前节点的相连节点作为目标节点添加至所述节点组中，返回触发所述当前节点确定单元，直到所述节点组为空；重叠社团确定单元，用于依据所述重叠节点，确定每两个所述网络社团之间的重叠网络社团。由上述方案可知，本申请提供的一种复杂网络中网络社团的确定方法及装置，通过依据所述复杂网络中相连节点之间边的边权值，获取所述复杂网络中每个节点的局部重心性数值，再依据每个节点的局部重心性数值，在所述复杂网络中确定至少一个节点作为目标局部重心点，之后在所述复杂网络中，确定分别以每个所述目标局部重心点为重心的初始社团，从而确定所述初始社团中的网络社团。本申请中区别与现有技术中忽略网络的有向性和有权性导致网络社团的发现准确率低的情况，首先依据复杂网络中各个节点间边权值计算整个复杂网络中每个节点的局部重心性数值，进而确定整个复杂网络中的目标局部重心点，进而确定初始社团，再经过对初始社团的筛选得到准确率较高的网络社团。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请提供的一种复杂网络中网络社团的确定方法实施例一的流程图；图2为本申请实施例一中复杂网络中局部重心的示例图；图3为本申请实施例一中的部分流程图；图4为本申请实施例一中的另一部分流程图；图5为本申请提供的一种复杂网络中网络社团的确定方法实施例二的部分流程图；图6为本申请实施例二中重叠节点的示例图；图7为本申请提供的一种复杂网络中网络社团的确定装置实施例三的结构示意图；图8为本申请实施例三的部分结构示意图；图9为本申请实施例三的另一部分结构示意图；图10为本申请实施例三的又一部分结构示意图；图11为本申请实施例三的又一部分结构示意图；图12为本申请实施例三的又一部分结构示意图；图13为本申请实施例三的又一部分结构示意图；图14为本申请提供的一种复杂网络中网络社团的确定装置实施例四的部分结构示意图；图15为本申请各个实施例实际实现中的系统总体框架图；图16为本申请在实际实现中所处的总体交互关系图；图17为本申请系统实现网络社团确定并绘制图示的细节时序图；图18为本申请实际实现中各算法输出的社团强度曲线的示意图；图19为本申请实际实现中各算法输出的社团强度曲线的另一示意图；图20为本申请实例中的可视化网络示意图；图21为现有社团发现方案的社团发现输出结果示意图；图22为本申请实例中的社团发现输出结果示意图；图23为本申请实例中的重叠社团发现的输出结果示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。参考图1，为本申请提供的一种复杂网络中网络社团的确定方法实施例一的流程图，所述方法适用于所述复杂网络中，而所述复杂网络包括多个节点，每个所述节点分别与至少一个区别于自身节点的节点相连，而相连节点之间的连线称为边，每条所述边均具有两个边方向，且每条所述边具有各自的边权值。即为，在复杂网络中，节点1和节点2相连，两者之间的边具有两个边方向：节点1指向节点2的方向和节点2指向节点1的方向，所述边在这两个方向上均具有各自的边权值即各自方向上的边的权重值。例如，在电子邮件网络中，所述电子邮件网络作为上述的复杂网络，电子邮件网络中邮件的收件方和发件方即为所述复杂网络中相连的两个节点。例如，邮箱用户A与邮箱用户B之间有邮件来往，邮箱用户A向邮箱用户B发送了1封邮件，而邮箱用户B向邮箱用户A发送了10封邮件，由此，可以看出，节点1（邮箱用户A）与节点2（邮箱用户B）之间具有边，该边在节点1指向节点2的方向上具有边权值1，在节点2指向节点1的方向上具有边权值10。需要说明的是，相连节点之间边的权重值在一定程度上表明两节点之间的紧密性。例如，邮箱用户A向邮箱用户B发送了1封邮件，而A向邮箱用户C发送了10封邮件，显然A对B和A对C的紧密关系是不同的，所以邮件发送数量，即网络中边的权重值是非常重要的信息；另外，如果A向B发送了100封邮件，B没有向A发送邮件，而A向C发送了50封邮件，C给A回复50封邮件，虽然在A和B、A和C之间总的收发邮件数目相同，但是，A和C的关系要比A和B的关系紧密，即每个方向上邮件的收发数量，即网络中边在每个方向上的边权值也是很重要的信息。为此，本申请将充分考虑复杂网络中节点之间边的方向和权重。因此，本申请实施例一中所述方法可以包括以下步骤：步骤101：依据所述复杂网络中相连节点之间边的边权值，获取所述复杂网络中每个节点的局部重心性数值。其中，所述步骤101中的边权值包括相连节点之间边的两个边方向上的边权值。而所述步骤101在实际实现时可以通过以下方式实现：首先对所述复杂网络中每个节点的邻域进行定义表示，即为：所述复杂网络中节点vi的邻域节点为：Hi＝{vj|eij∈E∪eij∈E}∪{vi}，其中，E为数学定义表示中的限值。其次，对节点vi的权重值进行计算：利用以下公式（1）获取所述复杂网络中每个节点的权重值：其中，wij为所述复杂网络中节点vi指向节点vj的边方向的边权值，wji为节点vj指向节点vi的边方向的边权值，r为边权值wji中与边权值wij相关联的数值，Hi为所述复杂网络中节点vi所属的邻域节点，λ、β为参数，而计算的到wi即为所述复杂网络中节点vi的权重值。最后，依据所述复杂网络中每个节点的权重值wi，利用以下公式（2）获取所述复杂网络中每个节点的局部重心性数值；其中，wi为所述复杂网络中节点vi的权重值，wj为所述复杂网络中节点vj的权重值，计算得到的Act(vi)即为所述节点vi的局部重心性数值。例如，在电子邮件网络中，节点wij表示由节点vi向节点vj发送邮件的数目，wji表示节点vj向节点vi发送邮件的数目，r表示节点vi向节点vj中发送的wij封邮件中收到的回复邮件数目，λ、β为参数，因此，电子邮件网络中节点vi的权重由公式（1）计算得到wi，而Hi为所述复杂网络中节点vi所属的邻域节点，由Hi＝{vj|eij∈E∪eij∈E}∪{vi}计算得到。之后，利用公式（2）计算节点vi的局部重心性数值。步骤102：依据每个节点的局部重心性数值，在所述复杂网络中确定至少一个节点作为目标局部重心点。其中，所述步骤102可以通过以下方式实现：对每个所述节点依据其各自的局部重心性数值进行排序，选取排序在前n个的节点作为所述复杂网络的目标局部重心点。需要说明的是，在所述步骤101对每个节点的局部重心性数值计算的过程中，其每个节点步长即边权值设置为1，即值考虑了与节点vi直接相连的节点的情况，若直接由上述目标局部重心点的获取方式获取目标局部重心点，那么会使得获取到的目标局部重心性过于狭隘，并不准确，且使得最终得到的网络社团的准确率降低。如图2中所示，每条边的边权值为1，利用上述步骤101获取到的局部重心性排序确定的目标局部重心点为节点a和节点b，而将每条边的边权值修改为2时，图2中就只有节点b为局部重心，因此，上述步骤102直接对局部重心性数值排序得到目标局部重心点的方式会影响获取到的目标局部重心点的准确性。因此，所述步骤102中也可以依据以下两种方式实现目标局部重心点的确定。第一方式：获取局部重心性数值大于预设第一数值的节点作为初始局部重心点，其中，所述预设第一数值可以由用户设置，也可以先对依据局部重心性数值的大小顺序进行排序，再选取排序在第k个的节点的局部重心性数值作为第一数值，所述k值由用户设置。在获取到初始局部重心点之后，分别以每个所述初始局部重心点为中心确定初始局部社团，即以初始局部重心点为中心，步长为m的节点组成初始局部社团Ci，由此利用以下公式（3）对每个Ci计算其各自的社团强度函数值：其中，表示Ci内的节点vi在Ci内部的边的边权值之和。表示Ci内的节点vi在Ci外部的边的边权值之和。该公式的实质含义即为Ci内部边的边权值总和除以Ci内成员所连边的边权值的总和。需要说明的是，D(Ci)的值越大，Ci内节点的连接越紧密，社团的紧密性强度就越高，当然D(Ci)的最优值还需要大量实验来获取验证。其中，在每个社团网络中，其局部重心所应当满足的条件应该为：在其所在的局部范围内，该重心节点到达其他任意节点的距离应该是最短的，由此才能保证其重心的位置。因此，在上述确定初始局部社团之后，分别在每个所述初始局部社团中，确定到该初始局部社团中其他节点的距离之和最小的节点作为目标局部重心点，即为，在所有的初始局部社团中，选取该初始局部社团内到其所在初始局部社团中其他节点的距离之和最小的节点，该节点即为该初始局部社团内新的局部重心点即本步骤中所需要的目标局部重心点。例如，在电子邮件网络中，对每个初始局部社团中，其内节点到其所在初始局部社团中其他节点的距离之和的计算可以利用以下公式（4）实现：其中，wij为节点vi向vj发送邮件次数，wji为节点vj向vi发送邮件的次数，λ为参数。由此，节点vi到C内各节点的最短距离为：利用vi′＝argmini∈Clengthi得到新的重心，不断进行迭代，直到连续两次计算的ΔD≤0结束，由此保证最后的vi′为C范围内的局部重心。以下为对上述第一方式在实际的软件逻辑中实现的算法解释（包含有上述步骤101的实现算法解释）：第一局部重心发现（LocalCenterofGravityDetection1，LCGD1）算法输入：有向赋权网络图G＝(V,E,W)输出：网络中的局部重心节点1、对所述复杂网络中的原始数据预处理，剔除所述复杂网络中的干扰节点，得到节点数据集Init_Data_Set；2、for(Init_Data_Set中的每个节点vi)根据公式(1)求节点vi的点权wi；endfor3、得到节点的权重集和Node_Weight_Set；4、for(Init_Data_Set中的每个节点vi)根据公式(2)求节点vi的局部重心性数值Act(vi)；endfor5、初步得到节点的局部重心性数值后，对各节点的局部重心性数值的大小顺序进行排序，取出topd构成初始局部重心集合Init_Import_Set；9、输出局部重心结果集Import_Set。第二方式：分别确定所述复杂网络中每个所述节点的邻域所组成社团各自的社团紧密度值，即每个所述节点的邻域均作为一个网络社团，计算每个邻域网络社团的社团紧密度值。在有向赋值网络中区域内的社团密度为区域内所有边的总权值除以区域内的节点个数，因此，所述每个节点的邻域的社团密度为其中，为节点vi邻域Hi内所有边的总权值，count(Hi)为Hi内的节点总数。由于社团的局部重心性越强及社团内的社团密度值越大，那么该节点既可以作为网络局部重心点，而其邻域即可看作为初始的社团结构。因此，在获取到每个节点的邻域的社团密度值之后，获取每个所述节点的局部重心性数值与该节点对应的社团密度值的乘积，即的数值，由此再确定所述乘积大于预设第二数值的节点作为目标局部重心点。所述第二数值可以由用户设置，也可以对所述乘积进行大小排序之后，选取排序在第m个的乘积值作为第二数值，该m值由用户设置。以下对上述第二方式在实际的软件逻辑中实现的算法解释（包含有上述步骤101的实现算法解释）：第一局部重心发现LCGD2算法：1、对所述复杂网络中的原始数据预处理，剔除所述复杂网络中的干扰节点，得到节点数据集Init_Data_Set；2、for(Init_Data_Set中的每个节点vi)根据公式(1)求节点vi的点权wi；endfor3、得到节点的权重集和Node_Weight_Set；4、for(Init_Data_Set中的每个节点vi)计算节点vi邻域Hi内节点及节点数目count(Hi)；根据点权集合Node_Weight_Set和公式(2)求节点vi的局部重心性数值Act(vi)；计算每个节点的局部重心性数值和其各自对应的邻域社团强度的乘积endfor5、选取Import(vi)大于所述第二数值的节点作为目标局部重心点，或选取其对应的Import(vi)按照大小排序后排序在前m-1位的节点作为目标局部重心点。步骤103：在所述复杂网络中，确定分别以每个所述目标局部重心点为重心的初始社团。其中，所述步骤103在实际应用中可以采用下述方式实现，参考图3，为所述步骤103的流程图，所述步骤103可以包括以下步骤：步骤301：对所述目标局部重心依据其各自的局部重心性数值的大小进行排序。其中，在所述步骤301之后，再依次分别确定以排序后的每个所述目标局部重心点为中心的初始社团。其中，在分别确定以排序后的每个所述目标局部重心点为中心的初始社团时，需要保证后续确定的初始社团中的节点不属于已经被确定为初始社团，即：步骤302：选取排序后的第一个目标局部重心点作为当前目标局部重心点。步骤303：将与该当前目标局部重心点及所述当前目标局部重心点相连接的节点确定为一个初始社团。步骤304：判断在所述当前目标局部重心点之后是否排序有其他目标局部重心点，如果是执行所述步骤305，否则，结束当前对所述复杂网络中初始社团的确定。步骤305：选取排序在所述当前目标局部重心点之后的第一个目标局部重心点作为当前目标局部重心点。步骤306：将所述当前目标局部重心点及所述当前目标局部重心点相连接且不存在与其...