[发明专利]一种社会网络重叠社区发现方法的评价方法

权利要求书

1.一种社会网络重叠社区发现方法的评价方法，利用无相无权图表示社会网络，图中节点表示社会网络中的个体，边表示个体之间的关系，其特征在于，该评价方法包括如下步骤：

步骤1：获取各重叠节点对所属各社区的贡献度；设节点a为重叠节点；

节点a对所属社区A的贡献度DoC(a,A)为：

DoC(a,A)=L(a,A)ind(a)=L(a,A)inL(a,A)in+L(a,A)out]]>

其中，L(a,A)_in为社区A中的节点a在社区A内的边数，L(a,A)_out为节点a到社区A外的边数，d(a)为节点a的度数；

步骤2：获取所属各社区对各重叠节点的吸引度；

社区A对节点a的吸引度DoA(A,a)为：

DoA(A,a)=mA′nA′(nA′-1)/2×L(a,A)in+m2(a,A)nA′]]>

其中，社区A'＝A-a，n_A'为社区A'的节点总数，m_A'为n_A'个节点之间形成的边总数，m₂(a,A)为节点a在社区A中二度朋友的数量；

步骤3：确定各重叠节点对各所属社区的归属系数；

节点a对所属社区A的归属系数DoB(a,A)为：

CoB(a,A)＝(1-λ)DoC(a,A)+λDoA(a,A)

其中，λ为影响因子；

步骤4：针对各重叠节点，确定该节点划分的误差率，并与误差率的阈值T比较，判断对该节点的划分是否合理；

获取节点a对所属各社区的归属系数，CoB_max表示其中最大的归属系数，CoB_min表示其中最小的归属系数，则节点a划分的误差率RoE(a)为：

RoE(a)CoBmax-CoBminCoBmax]]>

当获得的误差率小于阈值T时，表示对该重叠节点的划分合理，否则，表示对该重叠节点的划分不合理；

同时，根据各重叠节点划分的误差率，生成一条重叠节点误差率分布曲线。