[发明专利]一种基于加权模块度的社区发现方法

权利要求书

1.一种基于加权模块度的社区发现方法，其特征在于，采用加权预处理和模块度优化两步策略(简称Two-step Strategy)，具体过程如下：

a：所述的加权预处理是通过对网络中任意一对节点共同邻居的相似度(简称CNS算法)来重置网络中边的权重，从而产生新的加权网络，网络中边的权重w(i，j)是由节点i和节点j共有的邻居节点数占他们所连接的节点总数的比重所决定的，计算公式为：其中neighbors(i)为节点i的邻居；

b：所述的模块度优化是使用模块度算法来发现新产生的加权网络中的社区结构，从而解决了模块度分辨率限制问题，模块度的计算公式为：其中2w为网络总权重，w_ij是邻接矩阵A中节点i和节点j之间的权重，w_i为节点i的度数，即w_i＝∑_jw_ij，C_i为节点i所属的社区，δ(C_i，C_j)是由节点i和节点j是否在同一个社区所决定的：若节点i和节点j在同一个社区，则δ(C_i，C_j)＝1，否则，δ(C_i，C_j)＝0。

2.根据权利要求1所述的一种基于加权模块度的社区发现方法，其特征在于，所述的模块度分辨率限制问题是由一个特定的阈值所决定的，即其中为社区C_y内部的总权重；w为整个加权网络的总权重；若社区C_y的权重满足该阈值，则该社区就不会被发现并被合并到大社区中。

3.根据权利要求1所述的一种基于加权模块度的社区发现方法，其特征在于，所述的CNS算法的具体步骤如下：(1)数据预处理；(2)将处理的数据根据节点链接关系生成邻接矩阵；(3)根据邻接矩阵，得到网络中每一个节点i的邻居集合neighbors(i)；(4)对每一个节点i的邻居集合neighbors(i)中的每一个节点j，进行w(i，j)权重计算；(5)产生新的加权网络。

4.根据权利要求1所述的一种基于加权模块度的社区发现方法，其特征在于，所述的模块度算法的具体步骤如下：(1)根据CNS算法，获得新的加权网络；(2)将网络中的每个节点划分为单独的一个社区；(3)根据模块度Q的计算公式，迭代合并使模块度Q的值增加最大或减小最少的两个社区；(4)当所有社区合并为一个社区时，遍历所有社区划分所对应的模块度的值，选择模块度最大的社区作为最优划分；(5)产生新的社区结构。