[发明专利]基于节点影响力的重叠社区发现方法

摘要

本发明提供的是一种基于节点影响力的重叠社区发现方法。在k‑shell分解算法的基础上，通过综合并全面考虑节点的全局影响力、局部影响力以及邻居节点的贡献度共三类因素而提出。依据影响力降序顺序更新节点，符合社会网络信息传播特性，降低算法的随机性，并在计算归属系数的时候，不仅仅考虑了邻居节点影响力的影响，还将节点本身的归属倾向及节点本身影响力考虑在内。在设定重叠阈值等方面，融合了节点影响力，为每个节点设置了合理的阈值。能够降低原算法的随机性，挖据出高质量的社区结构。

主权项

一种基于节点影响力的重叠社区发现方法，其特征是：步骤一、将节点影响力按照降序排序；步骤二、节点编号设置为节点的最初标签，完成标签初始化；步骤三、每一次更新过程中，对于每一个节点，统计该节点周围的邻居节点所携带的标签及邻居影响力；步骤四、确定节点x对标签c的归属系数，计算为：其中，b(x,c)是节点x对社区c的归属系数，N+(x)是节点x及其邻居节点的集合，Z(c)是保留标签的节点集合，C代表节点x及其邻接节点拥有的标签种类的集合，Inf(y)代表节点y的影响力；根据公式，统计该节点本身的携带的标签及归属系数，作为节点本身的归属倾向，结合其本身影响力和邻居节点的影响力，计算该节点对于每一个种类标签的归属系数；步骤五、确定重叠阈值，计算公式为：t(x)=Inf(x)Infm]]>其中，t(x)代表了节点x的重叠阈值，Inf(x)节点x的影响力，Infm代表了节点影响力的最大值；根据上述公式计算重叠阈值，根据重叠阈值决定保留或者删除标签，如果所有种类的标签的归属系数都小于重叠阈值，就选择归属系数最大的标签作为最终的结果，若有多个则随机选择一个，最后对节点保留下来的标签做归一化处理，更新完毕；步骤六、检查是否满足终止条件，若不满足，则转向步骤(2)，若满足，则停止；步骤七、统计网络中的标签种类，将保留了同一标签的所有节点看作同一个社区内的节点，具有多个标签的节点，就是多个社区共享的重叠节点。