[发明专利]一种网络社区发现方法

权利要求书

1.一种网络社区发现方法，其特征在于，给定一个网络，用G(V,E)表示，其中V＝(v₁,v₂,…,v_m)表示网络中节点的集合，v_i表示网络中第i个节点(1≤i≤m)，m为节点数量，E＝(e₁,e₂,…,e_n)表示网络中边的集合，e_j表示网络中第j条边(1≤j≤n)，n为边的数量，用L＝(l₁,l₂,…,l_m)表示网络中所有节点的社区标签构成的集合，l_i(1≤i≤m)为第i个节点v_i的社区标签；本发明所述内容即确定网络中所有节点的社区标签集合L，并将标签一致的节点归为同一社区的过程，包括以下步骤：

步骤1、对于网络中的任一节点v_i，记其周围与之存在直接连边关系的邻居节点集合为V_i，这些直接连边构成的集合记作E_i；节点v_i的节点子图即由V_i和E_i组成的局部网络，可表示为G_i＝{(v,e)|v∈V_i,e∈E_i}；利用最优模块度模型对网络中每个节点的节点子图划分局部社区，这一过程是通过迭代计算实现的，对任一节点v_i的节点子图G_i其具体步骤如下：

步骤1-1、初始化G_i的社区分布，每个节点属于一个独立局部社区；

步骤1-2、利用式(1)计算节点子图G_i的模块度Q_i：

其中m_i为节点子图G_i中的节点数量，n_i为G_i中边的数量；1≤p≠q≤m_i表示G_i中任意两个节点的序号；A为G_i的邻接矩阵，其元素A_pq取值为0或1，表示G_i中节点p和q之间的连边数量；表示G_i中节点p的度；为G_i中节点p的局部社区标签，若节点p和q同属一个局部社区则否则

步骤1-3、沿着使Q_i增大最多的方向对G_i中有边相连的局部社区对进行合并；

步骤1-4、计算社区合并后G_i的模块度，记此时的模块度为若则返回步骤1-3继续进行社区合并，否则进入步骤1-5；

步骤1-5、记录节点子图G_i中节点的局部社区标签，完成G_i的局部社区划分，记G_i的局部社区数量为N_i，G_i的最优模块度为

步骤2、计算每个网络节点的信息熵，确定网络中节点的社区标签传播顺序，具体包含以下步骤：

步骤2-1、计算每个网络节点的信息熵，计算方法如式(2)所示：

Hi=-Σa=1Niωalnωa---(2)]]>

其中，H_i表示网络中第i个节点v_i的信息熵，N_i为步骤1-5得到的节点子图G_i的局部社区数量，1≤a≤N_i表示G_i中社区的序号，ω_a表示G_i中第a个社区的分布概率，其计算方法如式(3)：

满足0＜ω_a≤1，

步骤2-2、按照信息熵大小对网络中的全部节点进行排序，以此作为节点社区标签传播的顺序，即以不确定性度量值最大的节点作为社区标签传播的起点；

步骤3、为网络中的所有节点随机分配初始化社区标签，初始状态下每个节点各自位于不同的社区内；

步骤4、计算每个网络节点的不确定性度量值，计算方法如式(4)所示：

其中，Ω_i表示节点v_i的不确定性度量，其取值越大表明节点v_i包含的社区不确定性却小，为步骤1-5获得的节点v_i的节点子图G_i的最优模块度，H_i为步骤2-1获得的节点v_i的信息熵；

步骤5、按照步骤2确定的标签传播顺序对网络中所有节点的社区标签进行依次更新，对于任一节点v_i，具体包含以下步骤：

步骤5-1、选出与v_i存在直接连边关系的邻居节点集合V_i中不确定性度量值最大的邻居节点；

步骤5-2、比较该邻居节点的社区标签与v_i的社区标签是否一致，如不一致则将v_i的社区标签进行替换；

步骤6、检查社区中是否有节点社区标签发生变化，如有变化则返回步骤5对节点社区标签进行下一轮迭代更新，如无变化则将标签一致的节点划分到相同社区当中，进行结果输出。