[发明专利]基于节点影响力的重叠社区发现方法

权利要求书

1.一种基于节点影响力的重叠社区发现方法，其特征是：

步骤一、将节点影响力按照降序排序；

步骤二、节点编号设置为节点的最初标签，完成标签初始化；

步骤三、每一次更新过程中，对于每一个节点，统计该节点周围的邻居节点所携带的标签及邻居影响力；

步骤四、确定节点x对标签c的归属系数，计算为：

其中，b(x,c)是节点x对社区c的归属系数，N⁺(x)是节点x及其邻居节点的集合，Z(c)是保留标签的节点集合，C代表节点x及其邻接节点拥有的标签种类的集合，Inf(y)代表节点y的影响力；

根据公式，统计该节点本身的携带的标签及归属系数，作为节点本身的归属倾向，结合其本身影响力和邻居节点的影响力，计算该节点对于每一个种类标签的归属系数；

步骤五、确定重叠阈值，计算公式为：

$t\left(x\right)=\frac{Inf\left(x\right)}{Infm}$

其中，t(x)代表了节点x的重叠阈值，Inf(x)节点x的影响力，Infm代表了节点影响力的最大值；

根据上述公式计算重叠阈值，根据重叠阈值决定保留或者删除标签，如果所有种类的标签的归属系数都小于重叠阈值，就选择归属系数最大的标签作为最终的结果，若有多个则随机选择一个，最后对节点保留下来的标签做归一化处理，更新完毕；

步骤六、检查是否满足终止条件，若不满足，则转向步骤(2)，若满足，则停止；

步骤七、统计网络中的标签种类，将保留了同一标签的所有节点看作同一个社区内的节点，具有多个标签的节点，就是多个社区共享的重叠节点。

2.根据权利要求1所述的基于节点影响力的重叠社区发现方法，其特征是所述节点影响力通过以下步骤获得：

(1)、运用k-shell分解算法，求出网络中每个节点的k_s值；

(2)、统计网络中每个节点的邻居及其个数；

(3)、判断是否为孤立节点，若是孤立节点影响力为0；若不是孤立节点，进行步骤(4)；

(4)、定义节点v的邻居节点u对其影响力的贡献系数如下：

$sim(v,u)=\frac{|N^{+}\left(v\right)\∩N^{+}\left(u\right)|}{|N^{+}\left(v\right)\∪N^{+}\left(u\right)|}$

其中，N⁺(v)是节点v及其邻居节点的集合，遍历每一个节点，计算该节点及其各个邻居节点贡献系数；

(5)、综合考虑节点的k_s值即全局影响力、节点的度即局部影响力以及邻居节点的贡献度，定义节点v的影响力为：

$Inf\left(v\right)=ks\left(v\right)\×d\left(v\right)+\underset{u\∈N\left(v\right)}{\Σ}ks\left(u\right)\×d\left(u\right)\×sim(v,u)$

根据上述公式计算节点影响力。