[发明专利]一种静态社交网络的重叠社团发现方法

说明书

本发明属于计算机应用技术领域，公开了一种静态社交网络的重叠社团发现方法，将原始网络图转化为边图，利用边的社团归属唯一性的特性，将原图中的边当作研究对象，将边转化为节点，节点转化为边；由于社团发现和文本当中的主题发现有很高的相似性；本发明采用主题发现模型，将得到的边图作为模型的输入；为了得到可调重叠程度的社团结构，采用重叠社团划分策略，可以得到不同重叠程度的社团划分结果。本发明的可以根据具体的实验数据得到不同重叠程度的重叠社团划分结果，比起现有的社团划分方法有着更高的实用价值。

技术领域

本发明属于计算机应用技术领域，尤其涉及一种静态社交网络的重叠社团发现方法。

背景技术

在社交网络中，网络往往具有分簇的形态，簇内中的社交成员联系紧密，簇间的社交成员联系稀疏，把这种簇叫作社团或是社群，挖掘社团的过程叫做社团发现。在社交网络中，将社交成员当成节点，社交成员之间的联系用节点之间的连线表示，这样就形成了图网络。Ahn等人在2010年《Nature》杂志发表了文章“Link communities reveal multiscalecomplexity in networks”首次提出边图概念，而且利用边图进行社团发现，边图的概念在后来被人们多次使用，本发明所进行的社团发现也是以边图为基础的，该文章所提出的方法复杂度较高，不适合大规模社交网络。Zhang在2007年IEEE in intelligence andsecurity informatics的文章“An LDA-based community structure discoveryapproach for large-scale social networks”中利用LDA方法，但是他是以节点为LDA模型的输入数据。于乐等在2014年ASONAM 2014会议上发表了“overlapping communitydetection in large networks from a data fusion view”，文章在边图下利用LDA模型，然而在设计重叠划分准则时过于简单。

综上所述，现有技术存在的问题是：针对大规模社交网络，利用边图进行社团发现的算法效率低下，而且重叠程度固定不可调。对于于乐等人提出的方法，重叠划分准则只考虑了边的归属概率值大小，本发明指出这样的准则是不准确的，本发明提出了一种更加准确的划分准则方法。

发明内容

针对现有技术存在的问题，本发明提供了一种静态社交网络的重叠社团发现方法。

本发明是这样实现的，一种静态社交网络的重叠社团发现方法，所述静态社交网络的重叠社团发现方法包括以下步骤：

第一步，对社交网络进行边图转化；

第二步，将边图和主题发现模型进行映射，得到边的归属情况；

第三步，利用划分准则对边的归属概率矩阵进行重叠划分。

进一步，所述静态社交网络的重叠社团发现方法包括以下步骤：

步骤一，将原图转化为边图，对边图进行网络量化编码；

步骤二，边图结构与主题发现模型的映射；

步骤三，重叠社团划分。

进一步，所述步骤一具体包括：

(a)给定网络G＝(V,E)，其中顶点集为V＝(v₁,…,v_n)，边集为E＝(e₁,…e_m)，构建边图将原图G中的边e_i看作边图中的节点，边图中的两节点是否有边连接是看在原图G中是否两条边是否存在公共节点；

边图LG的节点原图G中边映射为边图中的节点，边图中的节点表示为V(LG)＝E(G)；