[发明专利]大规模社会网络中的离群点检测方法

权利要求书

1.一种大规模社会网络中的离群点检测方法，其步骤包括：

1）提取待测社会网络数据；

2）根据社会网络各节点的内容信息，对该社会网络的节点进行聚类，形成各社会网络社区CS；

3）计算各节点的社区离群度因子COF；

4）提取社区离群度因子COF最大的n个节点，作为该社会网络的离群点，其中n≥1。

2.如权利要求1所述的大规模社会网络中的离群点检测方法，其特征在于，根据每个节点数据t与社区C的相似性Similarity（C，t）进行聚类，将相似性大于设定阈值的节点聚为同一社区节点，所述每个节点数据t与社区C的相似性

Similarity(C,t)=Σi=1p|t.Ai-ci|max(Ai)-min(Ai)+Σi=p+1m(sup(ai)|C|)]]>

其中sup()是度量分类属性值a_i频率的函数，c_i是数值属性的均值，m为该社会网络维度，A_i为第i维属性，该社会网络前p维属性属于数值型属性，后(m-p)维属性属于分类型属性。

3.如权利要求1所述的大规模社会网络中的离群点检测方法，其特征在于，所述社会网络社区CS的数据结构为：

CS＝{Community，Summary，|C|，SS，SS²}

其中，Community为社区标识号，Summary为该社区中数值型属性均值与分类型属性频率的集合，|C|为社区中的数据点个数，SS为每个节点数据与社区的相似性Similarity之和，SS²为每个节点数据与社区的相似性Similarity的平方和。

4.如权利要求3所述的大规模社会网络中的离群点检测方法，其特征在于，所述阈值δ为期望μ，其中