[发明专利]一种基于紧密度排序的网络社区发现方法

权利要求书

1.一种基于紧密度排序的网络社区发现方法，其特征在于，该方法是按照 以下步骤进行的：

步骤1：计算网络初始中心节点集。通过网络各节点的紧密度中心性判断节 点的重要性，以节点的重要性选择初始中心节点集。

步骤2：计算网络节点的相似度。考虑到网络中的每个节点不仅受其邻居节 点的影响，还受到其它节点经过拓扑性质传递给它的影响，采用信号传递的思 想将网络拓扑结构信息转化为空间向量信息，再对其进行标准化之后运用余弦 距离计算相应的相似度矩阵。

步骤3：划分社区。利用节点之间的相似度将网络中的节点划分到最近的社 区中，即将每一个节点归类到与之最相似的中心节点所属社区中。

步骤4:小社区合并。当所有节点划分完成后，若社区中的节点个数少于3 个，则将该社区的中心节点从中心节点集中删除，且其所有节点重新进行社区 划分。

步骤5：更新中心节点集。将每一个社区当作一个小的网络再次进行紧密度 中心性计算，利用节点的紧密度排序找到每一个小网络的中心节点，然后更新 所有的中心节点。若所有新中心节点均与原中心节点相同，则停止迭代；否则， 返回步骤3重新进行社区划分，直至中心节点集不再变化。

2.根据权利要求1所述的基于紧密度排序的网络社区发现方法，其特征在 于：所述步骤1的具体步骤为：

1)计算网络各节点的紧密度中心性，首先计算一个节点到网络中的其它所 有节点的平均距离：

Davg(vi)=1n-1Σj≠ing(vi,vj)]]>

其中，v_i为所求节点，n为网络中的节点个数，g(v_i,v_j)是节点v_i与节点v_j之间 的最短路径。

节点v_i紧密度中心性C_c(v_i)即为D_avg(v_i)的倒数：

Cc(vi)=[1n-1Σj≠ing(vi,vj)]-1=n-1Σj≠ing(vi,vj)]]>

2)对节点的紧密度中心性值进行降序排列，将排序后的节点依次作为候选 中心节点。

3)设置阈值。具有较大紧密度值的节点彼此之间很有可能相距很近，属于一 个社区，因此，为了避免这种情况，在将一个节点加入中心节点集时，需要考 虑该节点与现有中心节点集中所有节点的共同邻居数目是否均小于预定阈值 γ：若小于γ，则说明该节点与现有中心节点同属于一个社区的可能性较小， 可以作为一个新的中心节点加入到中心节点集中；若共同邻居数目大于γ，则该 节点与现有中心节点同属于一个社区的可能性较大，则将该节点放弃，继续进 行下一节点的判断。

阈值γ的取值与网络中的所有节点的平均度数密切相关，在本文中我们选取 γ＝＜k＞/2，其中＜k＞为网络的平均度，网络的平均度＜k＞是对网络中所有的节 点的度求取平均值：

<k>=1NΣi=1Ndi]]>

其中，N为所有节点的个数，d_i为节点v_i的度。

4)计算初始中心节点集。从候选中心节点集中取出下一节点，若该节点与 中心节点集中所有节点的共同邻居数目均小于阈值γ，则将该节点加入到中心节 点集中，若所有节点均已判断完毕，则中心节点集选取结束。