[发明专利]基于最小生成树的社交网络层次化社区发现方法及系统

说明书

本发明涉及一种基于最小生成树的社交网络层次社区发现方法及系统，属于网络分析技术领域，通过计算给定社交网络所有相邻节点间连接强度来构建微社区；计算所有微社区间的紧密度，构造最小生成树，得到社交网络的层次社区结构。本发明的最小生成树构造复杂度低，能够有效处理大规模社交网络数据，无需任何人为参数设置，能够准确、高效地发现社交网络的层次社区结构。

技术领域

本发明涉及网络分析技术领域，尤其是一种基于最小生成树的社交网络层次化社区发现方法及系统。

背景技术

社区发现是社交网络分析的一项重要内容，对于分析社交网络的拓扑结构，理解复杂系统的功能，发现社交网络中的隐藏规律、演化趋势以及预测社交网络的行为等都具有重要的意义。真实社交网络的社区结构往往呈现出显著的层次性，大的社区内部可以包含小的社区，小社区可以包含更小的社区。

最小生成树法是层次社区发现的一个重要分支，现有的基于最小生成树的层次社区发现方法存在以下不足：(1)构造最小生成树的时间复杂度为O(nlogn)，复杂度较高，不适合大规模网络。(2)需要事先设定多个控制参数，不同的参数设置导致不同的结果，给社交网络层次社区划分带来了不确定性。

发明内容

鉴于上述的分析，本发明旨在提供一种基于最小生成树的社交网络层次化社区发现方法及系统，解决现有基于最小生成树的社交网络层次社区发现方法中存在的最小生成树构造时间复杂度高以及需要人为设定多个参数等问题。

本发明的目的主要是通过以下技术方案实现的：

一种基于最小生成树的社交网络层次社区发现方法，包括：

计算给定社交网络所有相邻节点间的连接强度；

根据相邻节点间的连接强度构建微社区；

计算所有微社区间的紧密度；

构造最小生成树，得到社交网络的层次社区结构。

进一步地，所述节点间连接强度的计算公式为：

其中，Sim_node(i,j)为节点i与相邻节点j之间的连接强度，Γ(i)为节点i及其邻居节点的集合，Γ(j)为节点j及其邻居节点的集合；D(i)为节点i的度，D(j)为节点j的度。

进一步地，所述微社区的构建包括：

从每个社交网络节点的邻居节点中选择与所述节点连接强度最大的邻居节点，将所述两个节点作为密集对；

合并所有存在共同节点的密集对，直到密集对之间不存在共同节点，合并后的密集对构成一个微社区。

进一步地，所述微社区间紧密度的计算公式为：

其中，Sim_com(c_i,c_j)为微社区c_i和c_j之间的紧密度，e(c_i,c_j)为微社区c_i和c_j之间的连接边数，e(c_i,c_i)是微社区c_i内部边数，e(c_j,c_j)是微社区c_j内部边数，e(c_i)、e(c_j)表示微社区c_i、c_j的外部边数。

进一步地，最小生成树的构造方法为Prim方法，其中，将微社区作为初始节点，微社区间紧密度的倒数作为初始节点间的权重。