The invention relates to a method of community discovery based on node density in a large-scale network, including the topology of the input network, which is represented by graph G = {V, E}, V and E as the set of nodes and edges, respectively, to calculate the node density and the average density of the entire network; to arrange all the node density data and to get the density sequence The density of the largest nodes is determined as the network threshold; the community is found from the nodes in the sequence, and the community sequence determined in the network is formed and the remaining nodes constitute the set; whether the set is the set of remaining communities and the set of isolated points is judged, and the number of the community in the whole network is determined; and the community is merged and optimized. The node density method used in this invention has lower computational complexity for community discovery, high accuracy in community division, and suitable for complex networks of various sizes and types.
【技术实现步骤摘要】
一种大规模网络中基于节点密度的社区发现方法
本专利技术涉及网络社区发现方法,具体涉及一种大规模网络中基于节点密度的社区发现方法。
技术介绍
目前社区结构发现已成为复杂网络研究中的一个热点问题,近年来受到计算机、数学、生物和社会学等领域研究者的广泛关注,例如当前研究领域的科学知识图谱就结合了社区发现的理论。并且在这些网络中发现了社区结构的存在,复杂网络社区结构的发现对于复杂网络的拓扑结构分析、功能分析和行为预测具有重要的理论意义及实用价值。复杂网络中的社区是一组彼此相似并与网络中其他节点存在差异的节点构成的集合,同一社区内部节点相互连接密集,而社区间节点相互连接相对稀疏。社区是网络中节点的子集,同一社区内节点之间的连接比较紧密,而不同社区间的节点的连接相对稀疏。同一社区内的节点在网络中具有相似的功能,因此这个社区在网络中有一个特定的作用。研究复杂网络中的社区结构对于分析复杂网络的拓扑结构、理解网络所具有的功能以及预测网络可能具备的行为具有非常重要的意义,此外还具有广泛的应用前景。近年来,很多社区检测方法相继被提了出来,这些算法大致可以被分为三类:基于图的层次分割方法,基于聚类的方法和基于优化的方法,其中基于优化的方法得到了越来越多的关注。但目前社区发现算法普遍具有划分社区精确性不高,需要先验知识,计算复杂度过高导致无法在实际的复杂网络中应用的缺点。
技术实现思路
本专利技术所要解决的技术问题是社区发现算法中划分社区精确性不高,需要先验知识,计算复杂度过高导致无法在实际的复杂网络中应用的缺点。本专利技术解决上述技术问题的技术方案如下:一种大规模网络中基于节点密度的 ...
【技术保护点】
1.一种大规模网络中基于节点密度的社区发现方法,其特征在于,包括以下步骤:S1、设输入网络的拓扑结构用图G={V,E}来表示,V和E分别为节点和边的集合;S2、计算节点密度
【技术特征摘要】
1.一种大规模网络中基于节点密度的社区发现方法,其特征在于,包括以下步骤:S1、设输入网络的拓扑结构用图G={V,E}来表示,V和E分别为节点和边的集合;S2、计算节点密度和整个网络的平均密度MeanD(G);S3、对所有节点的节点密度数据进行降序排列并得到密度序列Seq(G),把度最大的节点的密度确定为网络阈值Thr(G);S4、通过序列Seq(G)找到网络中的社区Com(i),形成网络确定的社区序列,并将剩余节点构成集合Remain(G);S5、判断Remain(G)是否为剩余社区集合{Com(i)}和孤立点的集合,若是,则进入步骤S6,否则返回步骤S2;S6、确定整个网络的社区数量;S7、对社区进行合并优化。2.根据权利要求1所述的大规模网络中基于节点密度的社区发现方法,其特征在于,所述步骤S2具体包括以下步骤:S21、将图G中的节点vi及以vi为起点向前k跳的点组成子图G',计算节点密度在公式(1)中,i为节点编号,k为以vi为起点的前向跳数,V'为子图G'中节点的集合,|V'|为V'中节点的数量,E'为子图G'中边的集合,|E'|为E'中边的数量;S22、通过节点密度计算整个网络的平均密度MeanD(G):在公式(2)中,N为G中节点的数量。3.根据权利要求1所述的大规模网络中基于节点密度的社区发现方法,其特征在于,所述步骤S3具体包括以下步骤:S31、将网络中所有节点的节点密度进行降序排列,当存在节点密度相同的情况时,按照节点编号大小进行升序排列,构造整个网络的节点密度序列Seq(G);S32、找出度最大的节点,并将其节点密度作为网络阈值Thr(G),当存在度最大的节点不止一个的情况时,找出这些节点中密度最小的节点,将该节点的密度作为网络阈值Thr(G)。4.根据权利要求1所述的大规模网络中基于节点密度的社区发现方法,其特征在于,所述步骤S4具体包括以下步骤:S41、选取密度...
【专利技术属性】
技术研发人员:蔡彪,杨小王,曾利娜,吴江,
申请(专利权)人:成都理工大学,
类型:发明
国别省市:四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。