[发明专利]动态网络的社团划分方法及装置

说明书

技术领域

本发明实施例涉及网络科学技术领域，尤其涉及一种动态网络的社团划分方法及装置。

背景技术

复杂网络普遍存在于现实世界中，具有复杂拓扑结构和复杂节点行为，如计算机网络，生物网络，社会关系网络等等。而研究复杂网络结构的最常用的方法是模块化和社团结构。社团结构是指网络中的节点进行不同的分组，而它们往往具有组内节点连接比较稠密，组间节点连接比较稀疏的性质。通过社团结构探测可以学习复杂网络拓扑结构、理解复杂网络功能、分析网络特性、寻找隐藏模式、进行链路预测和学习网络演化等。研究表明真实网络并不完全是无权网络，而是网络节点间存在着不同强度的耦合，即加权网络，比如人与人之间关系有紧密和疏远，航空网络中机场间的客流量有大小。加权网络能够对实现复杂网络的动力学演化特性提供更加真实细致的描述。

现有加权网络的社团检测算法主要针对静态网络，例如层次聚类算法、边聚类系数算法等等。由于静态网络中节点集和边集是固定不变的，因此现有社团检测算法忽略网络的时间特性，将网络建模成一个静态图，在静态图的基础上对社团进行检测。

而实际上真实的网络通常是结构随时间变化的动态网络，网络的拓扑结构和节点的网络性质都会随着时间发生变化。所以社团结构也可能随时间的推移而发生变化。动态网络的规模往往数倍于传统的静态网络，且网络无时不刻不在产生新的数据。因此，如何对于动态网络进行社团检测，获得稳定社团划分结果是当前动态网络的研究重点。

发明内容

本发明提供一种动态网络的社团划分方法及装置，以实现对于动态网络进行社团检测，获得稳定社团划分结果。

本发明的一个方面是提供一种动态网络的社团划分方法，包括：

获取动态网络分别在至少两个时刻的网络拓扑结构，所述动态网络包括多个节点，每个节点属于一个社团；

分别以所述多个节点中的每一个节点作为目标节点，遍历每个目标节点，执行以下步骤：

在每个网络拓扑结构中，计算所述目标节点分别与其相邻的每个节点的模块度增量，所述目标节点与其相邻的节点的模块度增量为所述目标节点移动到所述相邻的节点所属的社团时产生的模块度增量；

根据每个网络拓扑结构的权重，以及每个网络拓扑结构中，所述目标节点与同一个相邻节点的模块度增量，计算所述目标节点与同一个相邻节点的平均模块度增量；

比较所述目标节点与各个相邻节点的平均模块度增量；

若所述目标节点与所述相邻节点的平均模块度增量最大，且最大的所述平均模块度增量为正值，则在每个网络拓扑结构中，将所述目标节点移动到所述相邻节点所属的社团中；

遍历每个目标节点结束后，分别以每个网络拓扑结构中的每个社团作为目标节点，重复遍历每个目标节点，直到每个网络拓扑结构中的任意两个社团均无法继续合并为止。

进一步的，所述获取动态网络分别在至少两个时刻的网络拓扑结构，包括：

获取动态网络在一时间段内至少两个时刻的网络拓扑结构；

所述每个网络拓扑结构的权重为所述网络拓扑结构对应的时刻在所述时间段内的时间顺序，与所述时间段内获取到的所述网络拓扑结构的总数的比值。

进一步的，所述目标节点与同一个相邻节点的平均模块度增量，根据公式(1)确定：

其中，ΔQ_avg表示所述平均模块度增量，N表示所述时间段内的N个时刻，I表示所述N个时刻中的第I个时刻，w_I表示第I个时刻对应的所述网络拓扑结构的权重，ΔQ_I表示在第I个时刻对应的所述网络拓扑结构中，所述目标节点与所述同一个相邻节点的模块度增量。

进一步的，所述目标节点移动到所述同一个相邻节点所属的社团时产生的模块度增量，根据公式(2)确定：

其中，C表示所述同一个相邻节点所属的社团，W_c表示社团C内部所有连边的权重和，S_c表示与社团C中的节点相连的连边的权重和，S_i表示与所述目标节点i相连的连边的权重和，S_i,in表示连接所述目标节点i与社团C中的节点的连边的权重和，W表示所述动态网络中所有边的权重和。

进一步的，所述分别以每个网络拓扑结构中的每个社团作为目标节点，包括：在每个网络拓扑结构中，将连接两个社团之间的连边的权重和作为两个目标节点连边的权重，所述社团内部所有连边的权重和作为所述目标节点上的环路的权重。