[发明专利]一种社区发现方法和系统

摘要

本发明提供一种社区发现方法，所述方法包括对网络中的多个节点基于模块度最大化进行社区划分；且基于社区属性熵最小化调整上一步得到的社区边界节点。所述方法还包括如果调整后得到的社区划分满足结束条件，则将该社区划分作为最终的社区划分；否则，将调整后得到的社区作为节点，重新对该节点进行社区划分并且重新调整社区边界节点。所述方法同时考虑了网络结构和节点的属性特征，提高了社区发现的准确度。此外，所述方法的时间复杂度接近线性，适用于大规模的在线社交网络数据。

主权项

一种社区发现方法，包括：步骤1)、对网络中的多个节点基于模块度最大化进行社区划分；其中，采用下式计算模块度：Q=12mΣi=1imaxΣj=1jmax[Aij-kikj2m]δ(ci,cj),]]>其中，Aij表示节点i和节点j之间的边的权重，imax为i的最大值，jmax为j的最大值，表示与节点i相连的所有边的权值之和，ci表示节点i所在的社区，δ(ci,cj)表示当ci与cj相等时为1，其余情况下为0，表示网络中所有边的权值之和；步骤2)、基于社区属性熵最小化调整从步骤1)得到的社区边界节点；包括：步骤21)、随机选择一个社区边界节点；步骤22)、计算所述社区边界节点从所在的社区移到其邻居社区所产生的邻居社区的社区属性熵增量；步骤23)、选择所述社区属性熵增量最小的邻居社区，判断该邻居社区是否是所述社区边界节点所在的社区，如果不是，则将所述社区边界节点从其所在的社区移动到该邻居社区；步骤24)、如果所述社区边界节点移动前后的整个社区属性熵发生变化，则返回步骤21)；其中，根据下式计算整个社区属性熵：H=Σm=1KH(Vm),]]>其中，K表示社区的数量，H(Vm)表示社区Vm的属性熵，且H(Vm)=Σi=1M-1Σj=i+1M(si,j2lnsi,j2+(1-si,j2)ln(1-si,j2)),]]>其中M表示社区Vm包含的节点数量，si,j表示两个节点i和j在属性上的相似度；步骤3)、如果从步骤2)得到的社区划分满足结束条件，则该社区划分作为最终的社区划分；否则，将从步骤2)得到的社区作为节点，重新执行步骤1)对该节点进行社区划分并且重新执行步骤2)调整社区边界节点。