一种基于PageRank算法的社区划分方法技术

本发明专利技术提供了一种基于PageRank算法的社区划分方法,属于复杂网络社区划分技术领域,该发明专利技术将PageRank算法的随机游走性质,量化为顶点间关系程度矩阵,将PR值迭代向量升维至能量分布矩阵,进而由顶点间关系程度来划分社区。具有记录内容详细、运算简便等优点，在网络结构分析、邮件鉴别、文档聚类、谣言传播、信值传播等方面有着广泛的应用前景。

【技术实现步骤摘要】
【专利摘要】本专利技术提供了,属于复杂网络社区划分
,该专利技术将PageRank算法的随机游走性质,量化为顶点间关系程度矩阵,将PR值迭代向量升维至能量分布矩阵,进而由顶点间关系程度来划分社区。具有记录内容详细、运算简便等优点，在网络结构分析、邮件鉴别、文档聚类、谣言传播、信值传播等方面有着广泛的应用前景。【专利说明】-种基于PageRank算法的社区划分方法
本专利技术设及复杂网络社区划分
，具体设及一种基于化geRank算法的社 区划分方法。
技术介绍
所谓社区划分，是人们对网络性质的物理意义和数学含义的深入研究，也就是指 网络中的社团结构。对网络进行社区划分，即是将具有相同结构、特征的网络结点归结为一 个小团体，使每个团体有着相同的性质。该个划分团体结构的过程，被称为社区的划分。社 区划分的目的和意义重大，由于网络中顶点个数繁多，当顶点个数增加到一定量级之后，利 用每个顶点的性质来体现整体网络的性质是不可取的，也是不可能的。网络具有与人类社 会相同的关系结构，根据不同的分类方式，可将人类群体分为不同种类，通过对每个种类的 研究，推演求得整体的性质；同理想要把握网络整体的结构性质，需要将网络划分为一些顶 点集，通过对顶点集的研究，来把握整体网络。 [000引化geRank算法是由拉里?佩奇（Larry Page)和谢尔盖?布林（Sergey Brin)为 排序网页而提出的算法。算法核屯、在于提供给网页W分值，利用分值排序网页，为捜索用户 甄选出好的网页，W提高使用捜索引擎寻找网页的体验舒适度。化geRank算法基于一种经 典的数学统计模型；"随机游走"，它W其优良的数学理论基础和计算速度，成为计算机网络 研究人员一直追捧至今的优秀算法之一。 化geRank算法具有里程碑式的成功，对它的后续研究和应用大部分是对 化geRank算法在各种条件下的改进和改进后的应用。化geRank算法的应用很广泛，除了作 为Google捜索引擎网页排名的主要基础算法，还被应用于同样物理模型的各种网络中，例 如谣言网络、病毒传播网络、论文引用网络、引文索引、信任网络、影响力分析、推荐系统、社 交网络指标分析、偏好与声望查找、僵尸网络跟踪与分析、信息传播检测等。化geRank也被 反向应用于提高企业的网页排名，即是化geRank在SE0方面的相关应用研究。
技术实现思路
本申请通过提供一种基于化geRank算法的社区划分方法，不仅解决经典的 化geRank算法中的迭代向量仅能表示顶点得分情况，无从知晓得分的来源和去处技术问 题，还能够丰富目前的社区划分方法。 为解决上述技术问题，本申请采用W下技术方案予W实现： 一种基于化geRank算法的社区划分方法，包括步骤如下： [000引步骤S1 ;根据N维原始网络图G的顶点和边的关系，求得原始网络图G的邻接矩 阵D，如果从顶点i到顶点j存在边，则Dy= 1，否则D。= 0 ; 步骤S2 ;根据邻接矩阵D，求得原始网络图G的转移概率矩阵P，其中 【权利要求】1. ，包括步骤如下：步骤Sl:根据N维原始网络图G的顶点和边的关系，求得原始网络图G的邻接矩阵D， 如果从顶点i到顶点j存在边，则Dij= 1，否则DU=O; 步骤S2 :根据邻接矩阵D，求得原始网络图G的转移概率矩阵P，其中 步骤S3 :初始化能量矩阵A，所述能量矩阵A的第i行是当前时刻顶点i沿出度流出的 能量值，第j列是当前时刻从其他点流入顶点j的能量值，初始时刻的能量矩阵为Atl; 步骤S4 :根据迭代公式An=An_iP，求得第n时刻的能量矩阵An; 步骤S5 :将能量矩阵An的对角线元素4?置零； 步骤S6 :利用"出度占比最大法"，在能量矩阵An中找出应当合并的顶点对（i，j)，并将 顶点对（i，j)按照求解顺序存入序列List中； 步骤S7 :利用"行max列avg合并法"，将步骤S6中顶点对（i，j)对应的能量矩阵An 中i行j行合并，i列j列合并，使得An降低1个维度； 步骤S8 :判断能量矩阵的维度是否为0,如果不为0,则继续执行步骤S6,如果为0,则 执行步骤S9 ; 步骤S9 :根据顶点对序列List，建立顶点合并树，并计算每次合并的模块度Q值，其中n。是划分的社区个数，m是原始图中的边总数，1。是某个社区C中顶 点间相互连接的边数，d。是C中顶点度数之和； 步骤SlO:比较每次合并的Q值，选择Q值最大的合并方案，得到社区划分结果。2. 根据权利要求1所述的基于PageRank算法的社区划分方法，其特征在于，步骤S6中 出度占比最大法，即若顶点i流出的最大能量流向顶点j，则将i与j合并为顶点对（i，j)。3. 根据权利要求1所述的基于PageRank算法的社区划分方法，其特征在于，步骤S7中 所述的行max列avg合并法，即针对步骤S6中得到的顶点对（i，j)，在行方向上，保留i行 与j行的最大值存于i行对应元素中后删掉j行，在列方向上，求得i列与j列的平均值存 于i列对应元素中后删除j列，BP【文档编号】G06F19/00GK104504251SQ201410754171【公开日】2015年4月8日 申请日期:2014年12月10日 优先权日:2014年12月10日 【专利技术者】范纯龙, 张翼飞, 丁国辉, 杨硕, 张弛, 刘畅, 吴恒超 申请人:沈阳航空航天大学本文档来自技高网...

【技术保护点】
一种基于PageRank算法的社区划分方法，包括步骤如下：步骤S1：根据N维原始网络图G的顶点和边的关系，求得原始网络图G的邻接矩阵D，如果从顶点i到顶点j存在边，则Dij＝1，否则Dij＝0；步骤S2：根据邻接矩阵D，求得原始网络图G的转移概率矩阵P，其中Pij=DijΣk=0N-1Dik;]]>步骤S3：初始化能量矩阵A，所述能量矩阵A的第i行是当前时刻顶点i沿出度流出的能量值，第j列是当前时刻从其他点流入顶点j的能量值，初始时刻的能量矩阵为A0；步骤S4：根据迭代公式An＝An‑1P，求得第n时刻的能量矩阵An；步骤S5：将能量矩阵An的对角线元素置零；步骤S6：利用“出度占比最大法”，在能量矩阵An中找出应当合并的顶点对(i，j)，并将顶点对(i，j)按照求解顺序存入序列List中；步骤S7：利用“行max列avg合并法”，将步骤S6中顶点对(i，j)对应的能量矩阵An中i行j行合并，i列j列合并，使得An降低1个维度；步骤S8：判断能量矩阵的维度是否为0，如果不为0，则继续执行步骤S6，如果为0，则执行步骤S9；步骤S9：根据顶点对序列List，建立顶点合并树，并计算每次合并的模块度Q值,其中nc是划分的社区个数，m是原始图中的边总数，lc是某个社区C中顶点间相互连接的边数，dc是C中顶点度数之和；步骤S10：比较每次合并的Q值，选择Q值最大的合并方案，得到社区划分结果。...

【技术特征摘要】

【专利技术属性】
技术研发人员：范纯龙，张翼飞，丁国辉，杨硕，张弛，刘畅，吴恒超，
申请(专利权)人：沈阳航空航天大学，
类型：发明
国别省市：辽宁;21