[发明专利]基于高阶结构和边信息的网络局部社区检测方法

权利要求书

1.一种基于高阶结构和边信息的网络局部社区检测方法，其特征在于，根据种子点质量用不同方法初始化局部社区，使用网络中的高阶结构和边信息对局部社区进行扩展，得到准确率高的种子点所在的局部社区检测结果，包括有如下步骤：

(1)输入网络和种子点：输入一个网络G的数据，该网络由多个两两节点连接的边构成，每个节点所有用边连接的节点组成其邻居点集合，每个节点在网络中都属于其自身所在的局部社区中；输入网络G中的任意一个节点均可作为种子点v_seed；

(2)初始化局部社区：计算种子点v_seed的motif度，motif度度量的是网络中三角形结构的数量；根据种子点v_seed的motif度大小，用不同策略从种子点v_seed的邻居点集合N(v_seed)中选择一个节点v_s，选择的节点和种子点v_seed自身共同组成局部社区C，节点v_s的不同选择策略为：

(2a)当种子点v_seed的motif度为0时，用节点影响力计算公式NI计算N(v_seed)中每个节点的影响力，被选择的节点v_s为其中影响力最大的节点；

(2b)当种子点v_seed的motif度大于0时，选择节点v_s为N(v_seed)中与v_seed共同参与三角形结构最多的节点；

选定节点v_s后，由该节点和种子点组成的局部社区C的初始化完成，局部社区C＝{v_seed,v_s}；

(3)使用高阶信息对局部社区C进行扩展：计算局部社区C的高阶模块度S(C)；选择局部社区C的邻居点集合N(C)中的一个社区邻居点，该社区邻居点对应的C′为局部社区C添加该社区邻居点后的局部社区，计算局部社区C′的高阶模块度S(C′)，计算对应的高阶模块度增量ΔS＝S(C′)-S(C)；如果所求增量ΔS大于0，再计算所选择社区邻居点与局部社区C的关系强度rs₂；依次选完邻居点集合N(C)中所有社区邻居点后，选择所得最大关系强度rs₂对应的一个社区邻居点扩展到局部社区C中；重复执行上述步骤直到没有社区邻居点使增量ΔS大于0，完成使用高阶信息对局部社区C的扩展；

(4)使用中心节点对局部社区C进行扩展：计算局部社区C中每个节点的影响力，令局部社区C中影响力最大的节点为中心节点v_c；设置相似度阈值为0.5；计算中心节点v_c与其每个不属于局部社区C的邻居点的相似度rs₃，如果所求相似度rs₃均小于相似度阈值，执行步骤(5)；否则将所有所求相似度rs₃大于等于相似度阈值对应的v_c的邻居点扩展到局部社区C中，完成中心节点v_c对局部社区C的扩展，跳转执行步骤(3)，再次使用高阶信息对局部社区C进行扩展；

(5)使用边信息对局部社区C进行最终扩展：设置关系强度阈值为0.5；依次选取局部社区C的邻居点集合N(C)中的一个社区邻居点，计算该社区邻居点与局部社区C的关系强度rs₄，如果该关系强度rs₄大于等于关系强度阈值，局部社区C扩展该社区邻居点，更新局部社区C的邻居点集合N(C)；得到最终扩展的局部社区C；

(6)输出局部社区C：输出最终扩展得到的最终局部社区C，最终局部社区C即为种子点v_seed在网络G中所属的局部社区。