[发明专利]一种基于局部模块度的层次重叠社区发现方法

摘要

本发明公开一种基于局部模块度的层次重叠社区发现方法，该方法首先选取网络中度数最大的节点作为初始社区，计算其邻居节点的局部模块度值，对产生极值的节点计算其层次区分度值，通过实验给出一个层次区分度的阈值，进行比较判断是否到达层次边界，得到网络的层次结构。然后将得到的层次社区与根据MC‑COPRA算法得到的重叠社区进行相似度对比，若高于给定阈值则将重叠节点加入对应的层次社区，最终得到网络的层次重叠社区。通过在人工网络和真实网络上的实验结果表明，该算法能准确的探测社交网络的层次重叠结构。

主权项

1.一种基于局部模块度的层次重叠社区发现方法，其特征在于，包括如下步骤：步骤一：将网络的节点度数进行排序，将度数最大的节点设定为初始社区C，同时令n＝1，i＝1；步骤二：将社区C中的节点的所有邻居节点加入到邻居节点的集合Nbs(C)，并计算将各个邻居节点加入社区C时的局部模块度值R；步骤三：比较计算得到的各个R值，将最大R值Rmax所对应的节点与该节点的所有邻居节点分别加进社区C和Nbs(C)，同时n＝n+1；步骤四：计算R(n+1)‑R(n)，若R(n+1)‑R(n)＜0，记Rmax(i)＝R(n)，同时回到步骤二，若R(n+1)‑R(n)＞0，记Rmin(i)＝R(n)；步骤五：计算R极值之差，若Rmax(i)‑Rmin(i)→0或者存在Rmax(i)‑Rmin(i‑1)→0，则回到步骤二，否则令i＝i+1，并计算社区层次区分度Hdif，进入步骤六；步骤六：比较社区层次区分度Hdif与给定阈值的大小，若小于阈值，则判定未到达层次边界，则Rmax(i)到Rmax(i‑1)之间的所有节点都认为是当前层次上的内部社区，反之若大于阈值，则表示发现了层次边界，并进入步骤七；步骤七：比较当前产生极大值的节点的局部模块度值即Rmax(i)，若大于0.9，回到步骤一继续探测，反之回到步骤二继续进行社区凝聚；步骤八：根据各个重叠节点所在的各个社区与层次结构中的各个社区进行相似度对比。