[发明专利]社区结构的划分方法、装置、设备及计算机可读介质

说明书

本发明提出一种社区结构的划分方法、装置、设备和计算机可读介质，所述方法包括：计算网络结构中的每个顶点的归属概率；根据获取的归属概率随机采样多个顶点，构成社区结构；计算社区结构模块度指标；判断所述社区结构的模块度指标是否达到预设条件；若否，则根据所述的模块度指标更新顶点的归属概率，并更新所述社区结构；若是，则输出当前的社区结构。本发明实施例通过顶点的归属概率确定社区结构，并通过迭代计算更新的方式，可以逐步优化全局的社区结构，使得社区结构中顶点的构成更加合理，更能体现全局的社区性。

技术领域

本发明涉及数据分析技术领域，尤其涉及一种社区结构的划分方法及装置、 设备和计算机可读介质。

背景技术

人与人之间的交互能构成相互之间的关系，相互的交互存在稀疏和紧密性。 根据人与人之间的交互的紧密性和稀疏性，可以将不同的人归属于不同的社区 结构中。所述社区结构是指社区结构内部之间人与人交互紧密，社区结构之外 人与人交互稀疏。其中，所述社区结构中的每个人都可以表示为该社区结构中 的顶点。

由于基于不同的交互关系，可能形成不同的社区结构。因此需要在在众多 相互交形成的社区结构中选取相对合理的社区结构。

发明内容

本发明实施例提供一种社区结构的划分方法、装置、设备及计算机可读介 质，以解决或缓解现有技术中的一个或多个技术问题。

第一方面，本发明实施例提供了一种社区结构的划分方法，包括：

计算网络结构中的每个顶点的归属概率；

根据获取的归属概率随机采样多个顶点，构成社区结构；

计算所述社区结构的模块度指标；

判断所述社区结构的模块度指标是否达到预设条件；若否，则根据所述的 模块度指标更新顶点的归属概率，并更新所述社区结构。

在一种实施方式中，该方法还包括：若判断所述社区结构的模块度指标达 到预设条件，则输出当前的社区结构。

在一种实施方式中，所述计算网络结构中的每个顶点的归属概率，包括：

获取顶点编码U_nm和社区编码

计算顶点的社区归属概率Q，其中，所述softmax函数为归一化指数函数。

在一种实施方式中，所述根据获取的归属概率随机采样多个顶点，构成社 区结构，包括：

采用ε-greedy采样的策略将顶点分配到不同社区中，分配的概率表示为：其中，π_i为表示第i顶点分配到第k个社 区的概率，ε表示采样概率，k表示社区数量，Q_ij表示第i个顶点对应第j个社 区的归属概率。

在一种实施方式中，所述社区结构的模块度指标表示为：

其中，M表示社区结构的模块度，k_i表示顶点i的度，k_j表示顶点i的度， A_ij表示顶点间的邻接矩阵，e表示整个网络的边数，δ(c_i，c_j)表示顶点i与顶点 j是否归属于同一个社区结构，如果顶点i与顶点j属于同一个社区结构，则 δ(c_i，c_j)＝1，如果顶点i与顶点j不属于同一个社区结构，则δ(c_i，c_j)＝0。

在一种实施方式中，所述根据所述的模块度指标更新顶点的归属概率，并 更新所述社区结构，包括：

判断社区结构模块度M_curr是否大于历史最大社区结构的模块度M_max，若 是，则赋予顶点奖励向量；