[发明专利]一种基于多相似度集成的网络社团检测对抗增强方法

权利要求书

1.一种基于多相似度集成的网络社团检测对抗增强方法，其特征在于，所述方法包括如下步骤：

S1：加载网络其中表示网络中节点的集合,ε＝{e_i|i＝1,...,m}表示网络中边的集合，表示网络的真实社团划分；

S2：计算网络的节点相似性矩阵，根据节点相似性分数对边进行采样，采样得到的边用于网络的重连；

S3：对多个重连后的网络进行社团检测获取各自的社团划分结果；

S4：集成多个社团划分结果，构造新的社团结构，操作步骤如下：

4.1)构造共现网络：根据多个社团划分结果，构造共现矩阵以共现矩阵作为邻接矩阵构造共现网络

4.2)最优阈值选择：遍历阈值的定义域，使用聚类一致性分数评估不同阈值下对共现网络的剪枝结果，选择最优的剪枝结果对应的阈值作为最优阈值；

4.3)网络剪枝：根据最优阈值对共现网络进行剪枝操作，获取核心社团与孤立节点；

4.4)孤立节点分配：计算孤立节点与核心社团之间的平均相似度，将孤立节点分配到对应最大平均相似度的核心社团中，获得最终的社团结构

2.如权利要求1所述的一种基于多相似度集成的网络社团检测对抗增强方法，其特征在于，所述步骤2)中,使用8种相似性指标分别计算网络的8种相似性矩阵8种相似性指标分别为Common neighbor、Jaccard、Salton、HPI、AA、RA、LP和RWR指标，在采样过程中，设定采样率β_a控制采样的边数量为β_am，采样方式为加权随机不放回采样，每条边被采样的概率与构成边的节点对的相似性分数成正比：

每一组采样得到的边用于网络重连，获取一系列重连网络z为重连网络的个数。

3.如权利要求1或2所述的一种基于多相似度集成的网络社团检测对抗增强方法，其特征在于，所述步骤3)中，对每个重连网络进行社团检测，获取相应的社团划分

4.如权利要求1或2所述的一种基于多相似度集成的网络社团检测对抗增强方法，其特征在于，所述步骤4.1)中，共现矩阵表示为元素a_ij表示节点i和j在z个社团划分结果中被聚类到同一个社团的次数。

5.如权利要求1或2所述的一种基于多相似度集成的网络社团检测对抗增强方法，其特征在于，所述步骤4.2)中，阈值的定义域为在每个可行的阈值下对网络进行剪枝，剪枝过程中，权重小于阈值的边被删除，对一个大小为M_k的社团使用簇一致性分数评估社团的稳定性：

对于共现网络经过阈值剪枝后获得的社团划分使用聚类一致性分数评估其稳定性：

最优阈值的选择根据最大聚类一致性分数决定：

6.如权利要求3所述的一种基于多相似度集成的网络社团检测对抗增强方法，其特征在于，所述步骤4.3)中，利用最优阈值对共现网络进行剪枝操作，获取核心社团与孤立节点集{v_i|i＝1,...,q}。

7.如权利要求4所述的一种基于多相似度集成的网络社团检测对抗增强方法，其特征在于，所述步骤4.4)中，为了得到最后的社团划分，需要将孤立节点分配到核心社团，首先计算孤立节点v_i与每个核心社团之间的平均相似度，将孤立节点分配到对应最大平均相似度的核心社团中：

待所有孤立节点分配结束，获取新的社团结构