[发明专利]基于三角簇多标签传播的复杂网络社区结构挖掘方法

说明书

技术领域

本发明涉及的是一种复杂网络领域的方法，具体是一种基于三角簇多标签传播的复杂网络社区结构挖掘方法。

背景技术

复杂网络是现实世界中复杂系统的一种抽象表现形式，复杂网络中的节点代表复杂系统中的个体，节点之间的连接则代表系统中个体之间按照某种规则自然形成或人为构造的一种关系。目前，复杂网络已经广泛应用于表征电力网络、通信网络、互联网、社交网络等各种复杂系统。

社区结构是复杂网络的一个重要的拓扑特性，整个复杂网络是由若干个社区结构组成，每个社区结构内部的节点连接非常紧密，而社区结构之间的连接则相对稀疏。复杂网络的社区结构对应于现实中拥有共同特点的功能单元或组织团体，例如在互联网中社区结构就是讨论共同话题的一些网站，而在社交网络中的社区结构就是拥有共同兴趣爱好的人组成的一个团体。因此，通过挖掘复杂网络中的社区结构来分析网络的特性和功能具有十分重要的现实意义。

复杂网络的社区结构挖掘需要满足两个关键的性质：

第一，复杂度低。复杂网络的规模往往非常庞大，可以包含几千甚至上万个节点，在这种规模的网络下，如果方法的复杂度较高，那么进行社区结构挖掘的时间开销将会非常大；

第二，有效的重叠结构检测机制。实际的复杂网络中，社区结构普遍存在重叠现象，即复杂网络中的一些节点可以同时属于多个社区结构，这就要求社区结构挖掘方法能够检测出复杂网络中社区结构的重叠部分。

经文献检索发现，M.E.J.Newman和M.Girvan在文章“Community structure in social and biological networks[J]”（《在社交和生物网络中的社区结构》）(Proc.Natl.Acad.Sci.USA99,7821-7826(2001))（美国科学院院刊）中提出了一种基于最短路径的社区挖掘方法。该方法首先通过计算网络中任意两点之间的最短路径，得到整个网络的最短路径表；然后利用该表统计每条边被最短路径通过的次数作为该边的权值，并移除网络中权值最大的边，之后重新计算整个网络中各条边的权值；重复以上步骤，直到整个网络被划分为合理的社区结构。该方案的检测精度不高，方法复杂度较高，并且无法检测具有重叠的社区结构。

再经检索发现，Filippo Radicchi和Claudio Castellano等人在文章“Defining and identifying communities in networks[J]”（《定义并识别网络中的社区结构》）(Proc.Natl.Acad.Sci.USA101,2658-2663(2004))（美国科学院院刊）中提出了一种基于局部网络拓扑结构的社区挖掘方案。其方法为：首先分析复杂网络中社区结构的局部拓扑特点，并将网络中的三角形结构作为网络社区最基本的结构，统计网络中每条边所从属的三角形结构的数量作为该边的权值；然后，移除网络中权值最大的边，重新计算整个网络中各条边的权值；重复以上步骤，直到整个网络被划分为合理的社区结构。该方案考虑到了网络拓扑结构的局部特点，检测精度有一定的提升，但是仍然无法解决复杂度高和社区结构重叠部分的检测这两个问题。

再经检索发现，Gergely Palla和Imre Derenyi等人在文章“Uncovering the overlapping community structure of complex networks in nature and society[J]”（《挖掘自然和社会网络中具有重叠的社区结构》）(Nature435(7043),814-818(2005))（自然）中提出了一个基于完全子图的社区结构挖掘方法。对于复杂网络中的每个节点，首先计算包含该节点的所有完全子图，构建出这些完全子图的重叠矩阵；然后根据连通性对重叠矩阵进行过滤，从而得到具有重叠的社区结构。该方法虽然能够挖掘出具有重叠的社区结构，但是由于复杂度太高，并不具有实际的应用价值。