[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

说明书

本发明公开了一种基于标签扩散的时序平滑社团划分方法，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；2)、判断振荡次数是否大于预设阈值；3)、若否，获取节点的第一偏好权值；将第一偏好值作为节点的当前偏好值；4)、若是，获取节点的第二偏好权值；将第二偏好值作为节点的当前偏好值；5)、更新当前时刻节点的标签值；返回执行步骤2)，直至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。本发明实施例还提供了一种基于标签扩散的时序平滑社团划分装置。应用本发明实施例，可以提高社团划分的准确度。

技术领域

本发明涉及一种社团划分方法及装置，更具体涉及一种基于标签扩散的时序平滑社团划分方法及装置。

背景技术

现实世界中存在着大量的复杂网络系统，如Internet、社交网络、科学家合作网络、通信网络、蛋白质相互作用网络、基因调控网络等。在复杂网络中，网络的各个组成个体之间的关系不同，因此，个体之间的连接关系存在亲疏有别的现象，因此，复杂网络会分成存在界限的社团，根据复杂网络被划分成的社团可以对网络中各个个体之间的相互关系进行研究。社团结构描述了网络中的一种非均质连接特性，即网络由不同的节点簇所构成，簇内节点连接相对紧密，而簇间的连接相对稀疏。作为介于网络微观结构和宏观结构之间的中尺度结构，社团结构是网络中个体行为与整体功能之间的桥梁，对网络的结构和功能分析具有重要意义。社团划分旨在揭示网络中所蕴含的社团结构，有助于对网络结构的分析、对网络功能的推断、对网络拓扑的优化，并指导现实网络结构的识别、构建和预测，因而是理解和探索网络结构与功能的关键问题。

传统的社团划分大多针对具有固定拓扑结构的静态网络，实际网络往往会随着时间推移发生改变。例如，在科学家合作网络中，新的研究者不断加入，已有研究者也会退出；不同领域的研究者会开展新的合作，原有合作也可能停止。这种变化导致网络中社团结构的持续演化，传统的静态方法无法用于动态性分析。为了对动态变化的复杂网络进行社团划分，可以采用LPA(Label Propagation Algorithm，标签传播算法)算法对复杂网络进行社团划分。在LPA算法中，将复杂网络抽象成一个由节点相互连接而成的网络，复杂网络中的每一个个体被抽象为一个节点，个体之间的连接关系被抽象为边；然后，为每个节点对应一个不同的标签值，而且，每一个节点相对于其他节点具有偏好权重，然后将某一节点的标签值更新为其邻居节点中偏好权值最高的节点的标签值；循环往复，进而将将复杂网络中的各个节点的标签值进行了更新，如果有多个标签满足此条件，将这些标签作为候选，从中随机抽取一个作为节点的更新标签。如果节点当前的标签在候选集中，则节点保持当前标签。每次迭代中，节点的更新顺序完全随机。在整个标签扩散，也称为标签传播的过程中，连接紧密的节点标签通常会快速趋于一致。标签扩散算法具有时间复杂度低、准确率较高、便于并行化等优点。

但是，现有的标签传播算法中，从两个方面引入了随机性：当进行标签值的更新时，具有多个符合条件的标签值时，随机选择一个；而且节点的更新顺序也是随机进行的，因此，现有技术产生的社团划分结果会在时序上产生较大的差异，进而使得算法具有较差的鲁棒性和稳定性。因此，现有技术存在动态社团划分结果不准确的技术问题。

发明内容

本发明所要解决的技术问题在于提供了一种基于标签扩散的时序平滑社团划分方法及装置，以提高动态社团划分结果的准确性。

本发明是通过以下技术方案解决上述技术问题的：

本发明实施例提供了一种基于标签扩散的时序平滑社团划分方法，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；