[发明专利]基于振荡器相位同步的符号网络社区检测方法

说明书

技术领域

本发明属于网络技术领域，更进一步涉及数据挖掘技术领域中的一种基于振荡器相位同步的符号网络社区检测方法。本发明通过引入改进的振荡器模型，利用振荡器相位同步原理，提高了并行处理能力，可快速有效地检测出符号网络的各个社区。

背景技术

目前复杂网络已成为最前沿和最具挑战性的多学科性研究领域之一，现有复杂网络分析往往采用单一正关系边值模型来表示节点间的关系，然而现实社会网络关系中对于一个事物的评价或者人与人之间的关系，往往存在两面性，支持与反对，朋友和敌人，积极与消极，从无符号网络角度已经无法很好的解释这种网络结构关系。例如，在虚拟网络社区中，用户之间不仅存在朋友关系，也可能存在由黑名单产生的敌对关系。

为了更加全面客观地发现社会网络数据的潜在特征关系，有必要对现有网络分析模型加以扩展得出符号网络分析模型。符号网络是指包含正负两种关系的复杂网络。例如在社会网络中，“喜欢”、“尊重”和“表扬”属于正向关系，而“厌恶”、“轻视”和“责备”属于负向关系。类似的正负关系在生物网络和科技网络等其它复杂网络中也广泛存在。符号网络中的社区是指多个不相交的节点集合，集合内的正关系稠密而集合间负关系稠密。符号网络社区结构挖掘方法的研究对分析复杂网络的拓扑结构和发现复杂网络中的隐藏规律具有十分重要的意义，例如识别社会网中的恐怖组织，预测蛋白质的未知功能，万维网的网页自动分类等。

方平申请的专利“一种复杂网络局部社区发现方法”（专利申请号201210306231.5，公开号CN102819611A）中公开一种复杂网络的社区检测方法。该方法是以网络中的最大度节点为起始节点，计算其邻居节点，获得其邻居节点集；找到与最大度节点拥有最多共同邻居节点的节点；以此两个节点组成初始局部社区；获得初始局部社区的各邻居节点接近度，取接近度最大的节点加入初始局部社区形成新的初始局部社区；计算初始局部社区的Q值；重复上述步骤，直到形成新的初始局部社区Q值大于0或网络中节点为空。该方法存在不足之处是：该方法不适合于对存在负向关系的符号网络的社区检测。对于给定的网络，每次合并初始社区模块都必须查找初始社区邻居节点的接近度，然后计算合并初始社区模块所得的社区模块Q值，该专利计算过程过于复杂，需要较长的时间来计算节点的接近度，循环次数过多，降低了检测效率，耗费时间长。

发明内容

本发明的目的在于上述克服现有技术的不足，提出一种基于振荡器相位同步的符号网络社区检测方法，以实现符号网络中社区结构的快速有效地进行检测。本发明使用改进的Kuramoto模型，基于振荡器相位同步原理，通过微分方程的并行处理方式使节点相位快速进行更新并达到同步，根据各个节点稳定时的相位，可快速有效地检测出符号网络的各个社区和社区间的重叠节点。

实现本发明目的的具体步骤如下：

(1)生成邻接矩阵：

将待检测符号网络中节点按照1～N依次编号，N表示该符号网络中节点的总个数；将待检测符号网络中节点i与节点j之间有正向连接边所对应的邻接矩阵中的元素a_ij设定为1；将待检测符号网络中节点i与节点j之间无连接边所对应的邻接矩阵中的元素a_ij设定为0；将待检测符号网络中节点i与节点j之间有负向连接边所对应的邻接矩阵中的元素a_ij设定为-1；获得与待检测符号网络所对应的邻接矩阵；

(2)节点相位初始化：

在[0,2π]相位值范围内，随机产生且服从均匀分布的N个随机数，将所产生的随机数一一对应地设为符号网络中N个节点的初始相位；

(3)更新节点相位：

3a)将振荡器模型中的N个振荡器按照1～N依次编号，振荡器模型中的第i个振荡器对应被检测的符号网络中的第i个节点，第i个振荡器的相位更新值对应被检测符号网络中第i个节点的相位更新值；

3b)将节点的初始相位值代入以下振荡器模型，通过各个振荡器之间的相互正负耦合作用，求解微分方程，并行计算所有振荡器更新后的相位值集合P₁；