[发明专利]一种拓扑结构与节点属性综合分析的社区发现方法

权利要求书

1.一种拓扑结构与节点属性综合分析的社区发现方法，其特征在于实施步骤包括：

1)针对社交网络的节点的拓扑结构、节点属性两种因子分别进行单因子相似性分析，得到各因子的单因子初始社区距离集合；

2)针对各因子的单因子初始社区距离集合，分别基于Spearman相关系数进行去相关操作分别得到对应的单因子修正社区距离集合；

3)针对各因子的单因子修正社区距离集合，分别引入两度距离得到对应的单因子综合社区距离集合；

4)对各因子的单因子综合社区距离集合进行稳定性赋权计算社区距离指标矩阵L；

5)基于社区距离指标矩阵L从关系变换的角度基于模糊关系运算进行社区发现，得到社交网络对应的社区结构。

2.根据权利要求1所述的拓扑结构与节点属性综合分析的社区发现方法，其特征在于，步骤1)中进行单因子相似性分析具体是指分别针对拓扑结构、节点属性两种因子计算节点之间的欧式距离，分别得到拓扑结构、节点属性两种因子的单因子初始社区距离集合。

3.根据权利要求1所述的拓扑结构与节点属性综合分析的社区发现方法，其特征在于，步骤2)的详细步骤包括：

2.1)取集合X表示拓扑结构的单因子初始社区距离数值集合、集合Y表示节点属性两种因子的单因子初始社区距离数值集合，集合X、Y中各有个n元素，X_i为集合X中的第i个元素，Y_i为集合Y中的第i个元素，对集合X、Y分别进行相同的排序规则排序，得到对应的排序集合x、y，其中，x_i为X_i在集合X中的排序数，y_i为Y_i在集合Y中的排序数；

2.2)基于d_i＝x_i-y_i建立排序差分集合d，其中x_i为X_i在集合X中的排序数，y_i为Y_i在集合Y中的排序数，d_i为排序差分集合d中的第i个元素；

2.3)计算Spearman相关系数；

2.4)根据式(1)所示的去相关操作分别得到各因子的单因子修正社区距离；

X′i=Xi-ρ·σYσX·YiY′i=Yi-ρ·σXσY·Xi---(1)]]>

式(1)中，X'_i为集合X中的第i个元素的去相关操作得到的单因子修正社区距离，Y'_i为集合Y中的第i个元素的去相关操作得到的单因子修正社区距离，ρ为Spearman相关系数，σ_X为集合X的方差，σ_Y为集合Y的方差，X_i为集合X中的第i个元素，Y_i为集合Y中的第i个元素，且集合X中所有元素的单因子修正社区距离构成单因子修正社区距离集合X'，集合Y中所有元素的单因子修正社区距离构成单因子修正社区距离集合Y'。