[发明专利]基于标签传播自然启发式的动态网络社团结构识别方法

说明书

本发明涉及一种基于标签传播自然启发式的动态网络社团结构识别方法，属于人工智能与复杂网络领域。本发明将标签传播算法用于初始化网络社团以及限制变异过程的条件，这可以进一步提高检测效率和有效性；利用遗传操作，在维持社团结构的前提下，增加多样性；使用粒子群算法，避免陷入局部最优，获得全局最优解。最后，在人工网络和真实网络上进行测验的实验结果，可以看出本发明通过标签传播算法的改进，将按照节点度的大小更新节点标签。度大的节点对周围节点的影响更大，将解决迭代结果不稳定的问题。用突变操作，让随机数小于突变率的粒子，进行一次同步更新操作。不仅维持了好的社团结构，而且增加了粒子位置的多样性，避免陷入局部最优。

技术领域

本发明属于人工智能与复杂网络领域，涉及基于标签传播自然启发式的动态网络社团结构识别方法。

背景技术

网络可以描述现实世界之间复杂的关系，比如网络中的节点表示现实世界的实体，而边表示实体间的关系。复杂网络是现实世界网络建模的有效方法。复杂网络不仅是数据的表现形式，也是一种科学研究手段，因此，复杂网络目前受到广泛的关注和研究。其中，网络社团结构识别是复杂网络中最重要的特征之一，是了解整个网络结构和功能的重要方法。并且，社团结构识别的应用往往会揭露出以往未发掘的信息，对现实世界具有一定的指导意义。

复杂网络中的城市交通人流网络是研究的热点之一，随着城市人口以及出行人口的增加，城市的交通问题普遍称为焦点问题。设备不足，交通拥堵，交通秩序混乱，停车困难等问题日益突显，并且这些问题已经成为制约经济发展，削弱经济活力的瓶颈之一。针对以上这些问题，可以采用基于复杂网络的分析方式，利用网络社团结构识别的方法，对城市交通人流网络进行识别，分析人流移动模式的社团聚集特征，不仅可以帮助疏散聚集人流，而且还可预测人流出行模式，动态采取调度措施，进而提高交通出行效率。不仅是交通人流网络，通信网络也是新兴研究之一。

随着通信技术的不断发展，人们之间的联系越来越依靠通讯传输。通过研究人们之间的通信网络，可以更好的进行人群归类。普遍认为，群体之间相互影响并且相互联系，人们往往更倾向于与好友联系，而不是非好友。因此，好友之间的通讯更为紧密，非好友之间的通讯更为稀疏。针对这个特点，利用网络社团结构识别的方法，对通信网络进行识别，从而对归类人群，找出人群中的内部联系有着重要的意义。

社团结构识别不仅可以理解网络的拓扑结构，分析网络的功能和挖掘网络潜在的规律，而且还对网络演化有着预测作用。因此，社团结构识别有着广泛的应用，例如：推荐聚类、社交网络分析、网络脆弱性评估、城市交通人流预测等。社团结构识别现在已经有很多优秀的算法，但大多基于静态网络。实际上，与现实世界联系的复杂网络基本具有动态的特征。例如：在交通人流网络下，人流会随着时间的变化而发生移动，当时间达到某一个量级的时候，随着人流移动的改变，这个时刻的网络与上一时刻相比，有着显著的变化。因此，在动态网络下实行社团结构识别成为一项新的挑战。

大部分基于动态网络的社团结构识别算法主要分为两大类别：增量聚类方法和进化聚类方法。1.增量聚类方法的研究，主要是将增量数据看成是时间序列数据和特定顺序的数据：第一个是将每个时刻的网络进行迭代运算，但不利用上一次聚类的结果，其优点是精度高，不足之处是计算开销过大；另一个是利用上一次聚类的结果，将节点划分到已有的社团中，其优点是充分利用上一次聚类结果，计算开销小，不足之处是对网络拓扑结构变化不敏感，导致准确率较低。2.进化聚类方法，主要是定义了两个指标用于社团检测：第一个是快照质量(snapshot quality，SQ)，基于当前网络拓扑结构进行评估；另一个是历史开销(temporal cost,TC)，衡量当前聚类的结果与上一次聚类结果的差异。因此，引入这两个指标可以在保证当前网络上社团结构识别的准确率下，减少与上一时刻聚类结果的差异。目前为止，大多数的动态网络社团结构识别问题，还是通过预先设置参数进行计算。

发明内容