[发明专利]基于三角形粗化与动态距离的重叠社区发现方法

摘要

本发明涉及一种基于三角形粗化与动态距离的重叠社区发现方法，包括：读取网络数据集，生成网络图G；将G中的三角形融合为一个复合节点，多次迭代遍历直至粗化率达到一定阈值，结束粗化过程，得到粗化后的图G_coar；根据Jaccard距离初始化G_coar中所有边对应节点的距离；考虑三种邻居的影响，迭代更新邻居节点间的距离，直至所有距离收敛；求得重叠社区集合C_over并更新C_over；还原网络，将被复合节点加入到复合节点的社区，最终得到C’；输出最终的社区划分结果。本发明一方面是采取基于三角形的粗化策略降低网络规模，应用于较大规模网络的社区发现，从而提高实践效率；另一方面是采用基于Attractor的动态距离处理机制，并结合相似度判断，因此能够有效地得到网络中重叠社区结构划分，并为网络聚类在重叠社区发现方向的发展提供有益补充。

主权项

1.一种基于三角形粗化与动态距离的重叠社区发现方法，其特征在于，包括以下步骤：步骤1：读取网络数据集，生成网络图G；步骤2：按照节点的度从小到大的顺序遍历G中的三角形，将构成三角形的三个节点融合为一个复合节点，多次迭代遍历直至粗化率达到一定阈值，结束粗化过程，得到粗化后的图Gcoar；步骤3：遍历Gcoar中的所有边，根据Jaccard距离公式初始化所有边对应节点的距离；步骤4：考虑同一条边的三种邻居对节点间距离的影响力，更新所有边对应节点的距离；经过多次迭代更新，节点间的距离将会趋于0或1；将距离为1的边切断，经过断边处理后，图结构中构成连通分支的节点属于同一社区，最终得到社区集合C；步骤5：根据节点与社区的相似度，对步骤4中距离为1的边所对应的节点进行重叠节点判断，将节点加入到相似度大于等于n的社区中，得到重叠社区集合Cover；n大于0；步骤6：根据社区与社区间的相似度，将Cover中社区节点数少于5的社区合并到与其相似度最大的社区中，更新重叠社区集合Cover；步骤7：将原始网络中的被复合节点加入到复合节点所属的社区中，得到最终的重叠社区集合C’；步骤8：输出最终的社区划分结果。