[发明专利]基于噪声图流的局部社区检测方法及其系统、终端与介质

权利要求书

1.一种基于噪声图流的局部社区检测方法，其用于从文件系统中读取图集中每一张图中的边，这些边的集合定义为图流，通过检测所述图流中的每一条边获得待检测社区，其特征在于，所述检测方法包括以下步骤：

S1、定义边的集合S和节点集合K

从文件系统中以数据流的方式读取所述图流，所述图流为集合S：S＝{e₁，e₂，…，e_m}，m表示边e的序号，每条边e具有两个节点；

指定固定数量的多个节点作为种子节点，由此形成检测社区扩展的多个初始节点：k₁，k₂，…，k_n，n表示种子节点k的序号，构成节点集合K：K＝{k₁，k₂，…，k_n}；

S2、检测噪声边

对于读入的每一条边，计算每条边中两个节点之间的相似度以及每条边到待检测社区的距离；

将所述相似度和所述距离分别同预先设置的相似度阈值范围和距离阈值范围比较，如果所述相似度不在所述相似度阈值范围内，则判定相应的边与待检测社区无关，从集合S中进行剔除，否则判定相应的边影响待检测社区的检测结果，在集合S中进行保留；如果所述距离不在所述距离阈值范围内，则判定相应的边与待检测社区无关，也从集合S中进行剔除，否则也判定相应的边影响待检测社区的检测结果，也在集合S中进行保留；

S3、扩展待检测社区的节点集合K

对集合S中通过噪声边检测而保留的每一条边，还同步进行判断：如果边的一个节点已经包含在节点集合K中，则将相应边的另外一个节点添加到节点集合K当中并且为刚添加的节点计算一个隶属度；

返回步骤S2直至对集合S中所有的边进行噪声边检测及相应的节点扩展，并完成相应刚添加节点的隶属度计算；

S4、修剪扩展后的节点集合K

对节点集合K中所有节点的隶属度从大到小排序，在节点集合K中只保留隶属度位于隶属度阈值范围内的相应节点，最终的节点集合K即所述待检测社区。

2.如权利要求1所述的基于噪声图流的局部社区检测方法，其特征在于，所述相似度的计算方法为采用相似度分数计算公式Sim(u,v)计算所述相似度：

式中，u和v分别表示一条边中的两个节点；

N(u)和N(v)分别表示两个节点u和v的邻居节点；

|N(u)∩N(v)|表示两个节点u和v的相同的邻居节点数数目；

|N(u)∪N(v)|表示两个节点u和v所有邻居节点的数目。

3.如权利要求1所述的基于噪声图流的局部社区检测方法，其特征在于，所述距离的计算方法包括以下步骤：

首先，定义dist(u,k)表示节点u到种子节点k的距离：

式中，dist(v,k)表示节点v到种子节点k的距离；

N(u)表示节点u的邻居节点；

如果节点u是种子节点，则认为其之间距离为1；如果节点u与种子节点k之间不存在路径，表示节点u不能到达种子节点k，则认为其之间距离为∞；否则，就认为节点u到种子节点k是节点u的邻居节点到达种子节点k的距离+1；

然后，定义检测出的社区C即同步更新的节点集合K是由上一步的节点集合K扩展而来；定义边中的其中一个节点到社区的距离为：dist(u,C)＝Min{dist(u,k)|k∈K}；Min{dist(u,k)|k∈K}操作表示对于节点u,分别计算其与上一步的节点集合K中的种子节点k的距离，并将其中最小的距离值返回作为一个节点到社区的距离；

最后，定义边到检测出的社区的距离为dist(e,C)＝Max{dist(u,C),dist(v,C)}，其中dist(u,C)和dist(v,C)分别表示边的节点u和节点v到检测出的社区C的距离，Max{dist(u,C),dist(v,C)}操作表示返回节点u和节点v到检测的社区C的距离中的最大值作为边到社区的距离。