[发明专利]一种结合VAE的提取网络核心结构的社区检测方法

权利要求书

1.一种结合VAE的提取网络核心结构的社区检测方法，其特征在于，使用k-truss算法找到网络中的k-truss结构，具体包括以下步骤：

步骤1：对原始数据集进行数据预处理，建立网络图的邻接矩阵，并所述邻接矩阵的生成相似度矩阵；

步骤2：利用变分自动编码器模型对步骤1生成的所述相似度矩阵进行特征降维和特征提取，所述变分自动编码器模型由社区信息提取模块和深度学习模块组成；

步骤3：结合社区信息在给定的深度学习框架下对所述变分自动编码器模型进行调整训练，并获得网络结构的低维特征矩阵；

步骤4：对步骤3中得到的低维特征矩阵使用K-means算法进行聚类，最终得到社区划分结果。

2.根据权利要求1所述的一种结合VAE的提取网络核心结构的社区检测方法，其特征在于，

步骤1具体包括：

1.1：获取原始数据集中的数据，建立原始网络图；

1.2：对步骤1.1中的原始网络图建立邻接矩阵；

1.3：计算步骤1.1中原始网络图中每条边的支持度；

1.4：计算步骤1.3中原始网络图中的k-truss核心结构；

1.5：根据步骤1.2中的邻接矩阵和步骤1.4中的k-truss核心结构，计算每个节点的相似度；

1.6：根据步骤1.2中的邻接矩阵和步骤1.5中每个节点的相似度，并计算生成相似度矩阵。

3.根据权利要求2所述的一种结合VAE的提取网络核心结构的社区检测方法，其特征在于，

步骤1.2中，给定图G＝(V，E)，V即图G中节点的集合，E即图G中边的集合，设N(u)为节点u的邻接节点集合，设矩阵A＝[a_ij]_n×n为图G的邻接矩阵，n代表矩阵的维度，当a_ij＝1时，表示边e_ij存在，当a_ij＝0时，表示边e_ij不存在。

4.根据权利要求3所述的一种结合VAE的提取网络核心结构的社区检测方法，其特征在于，

步骤1.5中，对于图G＝(V，E)，i，j∈V，e_ij∈E，邻接矩阵A＝[a_ij]_n×n，边e_ij的支持度sup(e_ij)，边e_ij的相似度定义：

5.根据权利要求4所述的一种结合VAE的提取网络核心结构的社区检测方法，其特征在于，

步骤1.6中，对于图G＝(V，E)，它的相似度矩阵定义为X＝[x_ij]_n×n，其中x_ij＝Sim(e_ij)，i，j∈V，e_ij∈E。