[发明专利]一种基于标签扩散的时序平滑社团划分方法及装置

权利要求书

1.一种基于标签扩散的时序平滑社团划分方法，其特征在于，所述方法包括：

1)、获取待划分网络中的各个节点在当前时刻的前一时刻的标签值，其中，所述待划分网络是由所述节点连接而成的抽象网络；

2)、获取当前次更新中标签值发生变化的节点数量，并根据所述节点数量更新标签值发生变化的节点数量的振荡次数，判断所述振荡次数是否大于预设阈值；

3)、若否，针对每一个节点，利用所述节点的归一化边密度以及所述节点的归一化隶属度，获取所述节点的第一偏好权值；将所述第一偏好值作为所述节点的当前偏好值；

4)、若是，针对每一个节点，利用所述节点的归一化隶属度以及所述节点的度数中心度，获取所述节点的第二偏好权值；将所述第二偏好值作为所述节点的当前偏好值；

5)、根据所述当前偏好权值、所述节点的邻居节点属于前一时刻的待划分网络或者所述节点不属于前一时刻的待划分网络，更新当前时刻所述节点的标签值；返回执行所述步骤2)，直至所述待划分网络中的各个节点都被划分到由标签值相同的节点组成的社团中。

2.根据权利要求1所述的一种基于标签扩散的时序平滑社团划分方法，其特征在于，所述步骤1)，包括：

获取待划分网络中的各个节点在当前时刻的前一时刻的标签值以及，获取所述节点的标签值的更新顺序，且，所述获取所述节点的标签值的更新顺序，包括：

利用公式，计算所述节点的Burt约束系数，其中，

Constraint(i)为节点i的Burt约束系数；i为所述节点的序号；∑为求和函数；j为节点i的邻居节点的序号；V_i为所述节点以及所述节点的邻居节点的集合；q为集合V_i中第q个节点；p_iq为节点i与节点q之间的相对关联强度，且a_iq为待划分网络的邻接矩阵中第i行第q列的元素；a_qi为待划分网络的邻接矩阵中第q行第i列的元素；a_ik为待划分网络的邻接矩阵中第i行第k列的元素；a_ki为待划分网络的邻接矩阵中第k行第i列的元素；k为集合V_i中的第k个节点；p_qj为节点q与节点j之间的相对关联强度；

将所述节点的Burt约束系数从大到小的顺序作为所述节点的标签值更新顺序。

3.根据权利要求1所述的一种基于标签扩散的时序平滑社团划分方法，其特征在于，所述获取所述节点的第一偏好权值，包括：

利用公式，计算归一化社团密度，其中，

Density_norm(c)为社团c的归一化边密度；C为当前所有社团的集合；Density(c)为社团c对应的社团密度，且E(c)为社团c中的边的集合；V(c)为社团c中的节点的集合；||为势函数；min_x∈C()为最小值求值函数；max_x∈C()为最大值求值函数；x为社团集合C中除社团c以外的其他社团；

利用公式，获取节点i的归一化隶属度，其中，

Loyalty_norm(i)为节点i的归一化隶属度；Loyalty(i)为节点i的隶属度，且D_in(i)为节点i的社团内度数；D(i)为节点i的度数；V为待划分网络中所有节点的集合；

利用公式，w_ij＝1+Density_norm(c)-Loyalty_norm(i)，获取所述节点的第一偏好权值，其中，

w_ij为节点i相对于节点j的第一偏好权值。