[发明专利]一种用于复杂网络的社区发现方法

权利要求书

1.一种用于复杂网络的社区发现方法，其特征在于，包含以下步骤：

步骤1：从网络的属性空间中发现具有良好特性的子属性空间，再将其映射到网络中的虚拟节点，并构建原节点与虚拟节点间的虚拟链接，实现将属性信息转化为拓扑结构信息，具体实现包含以下子步骤：

步骤1.1：基于属性的统计信息，构造具有良好特性的子属性空间；

步骤1.2：根据子属性空间域的长度在原网络中加入若干虚拟节点，每个虚拟节点代表一种属性值，并按照节点属性值与虚拟节点的对应关系建立虚拟链接；

步骤2：以网络的拓扑结构为基础，量化节点间的不对称转移概率，并通过有限制的随机转移来获得节点的核心系数，以此评估节点对社区的重要性，具体实现包含以下子步骤：

步骤2.1：基于网络拓扑结构信息量化节点的不对称转移概率；

步骤2.2：通过有限制的随机游走方法模拟事件的逆向传播，以此来评估节点的核心系数；评估方法如下：

C o r e = ( ( 1 - b a c k ) P ) 2 ( 1 , 1 , ... , 1 ) N T ]]>

其中，back表示随机游走过程中的回溯概率，P表示节点转移概率矩阵，其中N为原网络中的节点个数；

步骤3：基于转移概率及核心系数确定节点的聚类方向，实现节点自发地聚类，再根据位于簇边缘节点的核心系数对簇形状进行调整，形成社区序列，具体实现包含以下子步骤：

步骤3.1：基于节点的转移概率和核心系数，确定节点的聚类方向；规则如下：

若以下任一条件为真，则节点i的聚类方向为i→j；

条件一，Wij＝1，且节点j的核心系数大于所有其它节点i的邻接节点的核心系数；

条件二，Wij＝1，且节点j的核心系数大于等于所有其它节点i的邻接节点的核心系数，且fij大于矩阵f第i行所有其它元素；

步骤3.2：使节点自发地聚类为较为密集的簇，即初始社区；

步骤3.3：根据位于簇边缘位置节点的相关特性，对簇的形状进行修剪，输出社区序列。

2.根据权利要求1所述的一种用于复杂网络的社区发现方法，其特征在于，步骤1.1的具体实现包含以下子步骤：

步骤1.1.1：计算属性空间中每一属性的信息熵，去掉信息熵大于阈值th的属性，再将剩余属性按信息熵升序排列；

步骤1.1.2：依次将剩余属性加入子属性空间，若加入某一属性后导致子属性空间的结构影响度大于阈值ta，则去掉该属性。