[发明专利]一种社会网络重叠社区发现方法的评价方法

说明书

技术领域

本发明提出一种社会网络重叠社区发现方法的评价标准，属于社会网络技术领域。

背景技术

近年来对于重叠社区发现的研究非常热，研究者也提出了一些切实可行的发现方法。对于任何一种方法，都需要有一种方式来评价它的效果如何。目前，在重叠社区发现领域还没有一套公认的较好的对社区划分结果进行评价的标准。

现有的社区发现评价标准主要有NCP plot(Network Community Profile plot，网络社区剖面图)，Q函数(又称模块性函数)，NMI(Normalized Mutual Information)等，它们都可以在一定程度上用来描述社区划分的好坏。前两种评价标准都没有考虑社区的重叠特征，其着重点在于社区内部与社区之间的不同特征。NMI指标是基于集合相似度的度量，可以用来比较不同社区划分方法划分结果的相似程度，若想知道某种社区划分方法对某个网络的社区划分效果，需要有一个先验条件，即该网络的“完美”划分或者称之为“基准”划分，然后才能将该社区划分方法的划分结果用NMI指标做比较。NMI的值在0和1之间，值越大表示两种划分相似度越高，即社区划分方法的划分结果越接近于“完美”划分。

但NMI存在明显的缺陷：针对现实世界中的复杂社会网络，这种“完美”划分是不存在的。NMI仅适用于一些特定的人造网络和一些现实中一些小型、容易手工划分的网络，它的出发点也不是基于重叠社区的特征。

发明内容

针对现有社区划分结果评价方法未考虑或基于社区的重叠特征，以及存在明显缺陷的问题，本发明提供了一种社会网络重叠社区发现方法的评价方法。

本发明提供的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，具体本方法包括如下步骤。

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：