[发明专利]社区发现并行化方法和系统、主节点和运算节点设备

权利要求书

1.一种社区发现并行化方法，其特征在于，该方法包括：

链接强度计算模块根据社交网站数据库中用户的交互信息，计算网络中点与点的链接强度，得到能表示网络特性的有权图的稀疏表示并存储；

主节点将所存储的用户随机分为p个大小相等的社区，将p个社区对应的有权图的子图分别配置给p个运算节点，作为初始的社区划分的结果；

每个运算节点上配置相同的粗分类模块的任务，每个任务独立的完成处在对应的同一子图中的点的融合操作，以将运算节点上的子图划分成多个社区；

主节点上的社区融合模块根据所有运算节点的粗分类模块划分的b个社区之间的链接关系，再次进行融合操作，共得到k个社区，C_(k)＝{c₁，c₂，…，c_k}，计算C_(k)划分结果的模块度；

主节点上的任务合并模块将k个社区合并成为大小相似的p个社区，重新设置在p个运算节点上，重新经过各运算节点的粗分类模块划分以及主节点上的社区融合模块融合操作，直到整合操作后的k个社区的模块度小于阈值则停止迭代，此时得到的分类结果为社区发现的最终结果。

2.如权利要求1所述的方法，其特征在于，每个运算节点上粗分类模块的任务独立的完成处在对应的同一子图中的点的融合操作的过程如下：

将子图中每个点看成独立的一个类别C_i＝{V_i}，按照如下公式初始化两个点融合对全局模块度的贡献值，将得到的两类融合的贡献度插入到最大堆中；

ΔQ_ij＝w_ij/2m-2a_ia_j/(2m)²

其中，α_i，α_j表示第i和第j个点在整个社交网络中的度，w_ij表示两点间的链接强度；

在最大堆中寻找对全局模块度贡献最大的融合模式，将对应的两个类别进行融合，并根据如下公式更新与这两个类有关的所有融合模式的模块度贡献值，利用最大堆的更新操作，保证最大堆的数据结构不变：

当类别k和类别i，j都有连接时，模块度贡献值：ΔQ′_jk＝ΔQ_ik+ΔQ_jk

当类别k和类别i有连接，和j无连接时，模块度贡献值：ΔQ′_jk＝ΔQ_ik-2a_ja_k

当类别k和类别j有连接，和i无连接时，模块度贡献值：ΔQ′_jk＝ΔQ_jk-2a_ia_k；

重复更新与这两个类有关的所有融合模式的模块度贡献值，直到最大堆中第一个元素即最大堆中的最大值为负，停止迭代过程。

3.如权利要求2所述的方法，其特征在于，所述主节点上的社区整合模块计算C_(k)划分结果的模块度时，按照如下公式计算两个类别融合对全局模块度的贡献值：

ΔQ_ij＝e_ij/2m-2a_ia_j/(2m)²，

其中，α_i，α_j表示第i和第j个类别中所有点的度的和；

e_ij表示两个类别间链接的权重总和。