[发明专利]一种局部社团挖掘方法

权利要求书

1.一种局部社团挖掘方法，该方法从网络G中挖掘社团结构，其特征在于：递归地从网络G中划分出局部社团，直至网络G中的任一节点均被划入某一局部社团；每一个局部社团由当次核心节点和当次邻居节点组成，所述当次核心节点为当次剩余节点中重要性评价指标得分最大的节点，所述当次剩余节点为当次划分前网络G中未被划入任何一个局部社团的节点，所述当次邻居节点是指当次剩余节点中与当次核心节点的节点相似度不小于阈值P的该当次核心节点的邻居节点；

对划分出的局部社团进行合并，直至网络G中任两个局部社团的社团相似度均小于阈值Q，至此即得网络G的社团结构；所述社团相似度是指从两个指定社团中各取一个节点相比较所能得到的最大节点相似度。

2.根据权利要求１所述的局部社团挖掘方法，其特征在于：所述重要性评价指标为度中心性指标，其计算方法如下：

，

其中表示节点的度中心性指标，表示节点的度，为网络G中的节点总数。

3.根据权利要求１所述的局部社团挖掘方法，其特征在于：所述节点相似度为Jaccard相似系数，其计算方法如下：

，

其中表示节点和节点的Jaccard相似系数，和分别表示节点的邻居节点集合和节点的邻居节点集合，表示和的交集所含元素的数目，表示和的并集所含元素的数目。

4.根据权利要求１所述的局部社团挖掘方法，其特征在于：所述合并局部社团的具体方式为：

任取一局部社团，将其与网络G中的其他局部社团依次比较，并吞并与其社团相似度不小于阈值Q的局部社团；重复该过程直至网络G中任两个局部社团的社团相似度均小于阈值Q。

5.根据权利要求１所述的局部社团挖掘方法，其特征在于：所述阈值P的取值范围为0.10～0.20。

6.根据权利要求１所述的局部社团挖掘方法，其特征在于：所述阈值Q的取值范围为0.45～0.55。