基于路径相似度对符号网络进行社区检测的方法及系统技术方案

本发明专利技术涉及一种基于路径相似度对符号网络进行社区检测的方法，包括：输入邻接矩阵，计算路径对于节点相似性的影响，产生节点的初始状态，更新节点状态，判断更新后节点的状态是否稳定，以及检测出符号网络的社区结构并输出检测结果。本发明专利技术的方法针对符号网络特点，计算两个节点之间多跳邻居的正负影响，设计相似性矩阵，基于同社区节点相对于不同社区节点更容易实现同步的原理，对符号网络实现社区检测。节点按照正邻居聚集负邻居远离的网络模型，随时间不断更新状态最终实现社区划分，有效地提高节点状态趋于一致的效率，降低了符号网络社区检测的复杂性，有效快速地检测出符号网络的社区结构，从而克服现有技术检测效率低、复杂度高的缺陷。

Method and system for community detection based on path similarity

The invention relates to a method based on path similarity of symbolic network community detection include: input adjacency matrix, calculate the path similarity effect on the initial state of node, node, node status updates, determine whether the updated node state stability, and to detect the symbolic network community structure and output the detection result. The method of the invention according to the characteristics of symbolic network, calculate the positive and negative effects between the two node multi hop neighbors, similarity matrix design, with community nodes relative to the different community nodes easier to achieve synchronization based on the principle of realization of network community detection symbol. According to the network model is far away from the neighbors gathered negative neighbor nodes, constantly update the ultimate state of the implementation of community division with time, effectively improve the node state convergence efficiency, reduces the complexity of symbolic network community detection, effectively and quickly detect the community structure of symbolic network, so as to overcome the defect detection efficiency of the existing technology, low complexity high.

【技术实现步骤摘要】

本专利技术涉及网络
，并且更具体地，涉及一种基于路径相似度对符号网络进行社区检测的方法及系统。本专利技术通过使用路径相似度并且利用节点状态趋于一致的原理，能够快速有效地检测出符号网络的各个社区。
技术介绍
目前，复杂网络研究正渗透到数理学科、生命学科和工程学科等众多不同的领域，对复杂网络的定量与定性特征的科学理解已成为网络时代科学研究中一个极其重要的挑战性课题。现代网络科学是理解复杂系统的一个重要方法。现实世界中很多复杂系统可以建模成复杂网络，如信息网络、社会网络、合作关系网等等。社区结构是复杂网络中最普遍和最重要的拓扑结构之一。在社会网络中存在这样一种网络，个体之间的联系可能是正向的，如喜欢，尊敬，支持，信任；也有一些个体之间的联系是负向的，如不喜欢，不尊敬，反对，不信任。这样有正负连接关系的网络称之为符号网络。因为符号网络中负邻居的存在，使得不能直接应用原有复杂网络的社区检测方法。为了更加全面客观地检测符号网络中潜在的社区结构，有必要针对符号网络的特点设计出快速有效的社区检测方法。信息
的快速发展和复杂网络研究的兴起，为符号网络的研究和应用带来了新的机遇和挑战。一方面，随着信息
的发展，无处不在的网络应用和海量的数字化网络数据给研究者提供了丰富的研究对象。以时下流行的在线社会网络为例，部分在线社会网络具有明确的符号标识，并且全程记录了整个网络的演化过程，比如消费者评论网站Epinions、技术新闻评论网站Slashdot、协同编辑百科全书Wikipeda的投票网络，还有包含多种对立关系的在线游戏网络等等，它们为符号网络的研究提供了良好的研究案例。在这些网络上的研究已表明，真实网络的演化即传统社会学中的符号网络演化理论有较高的一致性，同时还受到其他机制的作用。然而，由于在线社会网络的规模都很巨大，这对传统的符号网络分析方法提出了挑战。另一方面，随着复杂网络研究的发展，将复杂系统抽象为网络进行研究的思路和方法得到了学术界和工业界的普遍认可。除传统社会网络外，其他还有许多真实复杂系统中包含着对立关系，比如神经网络、万维网、信任网络等等，都可以抽象为符号网络进行研究。人们越来越意识到，基于符号属性去研究这些网络对准确认识这类复杂系统和其上的应用设计具有重要意义。例如，结合负边信息能在语义网络上更准确地识别话题，能在社交网站上更有效地进行推荐等。总体而言，近期符号网络研究在社会、生物，尤其是信息
呈现增长的趋势。这些都说明符号网络在现阶段具有重要的研究意义和应用价值，并已引起不同领域研究人员的关注。西安电子科技大学在其申请的专利“基于振荡器相位同步的符号网络社区检测方法”(专利申请号201310392893.4，公开号CN103475539)中公开一种符号网络的社区检测方法。该方法基于振荡器相位同步原理，能对符号网络实现社区检测，并通过微分方程的并行处理方式可以有效地检测出符号网络的社区结构。但该方法的不足在于对于社区间有正连接的符号网络最终稳定节点相位不能达到一致，检测速度慢。因此，现有技术存在对于能够有效地检测符号网络中的社区结构的方法和系统的需求。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提出一种基于路径相似度对符号网络进行社区检测的方法及系统，以实现快速高效地检测符号网络中的社区结构。本专利技术使用路径相似度计算，基于节点状态趋于一致的原理，通过动态更新节点状态，根据各个节点稳定时的状态，可快速高效地检测出符号网络的各个社区。根据本专利技术的一个方面，提供一种基于路径相似度对符号网络进行社区检测的方法，所述方法包括：1)生成与待检测的符号网络对应的N×N阶的邻接矩阵A，所述邻接矩阵A用于表示待检测的符号网络中的网络节点之间的连接关系，其中N为所述待检测的符号网络中网络节点的数量，N为大于1的自然数；其中如果所述待检测的符号网络中的网络节点i与网络节点j之间存在正向连接边，则将邻接矩阵A中的相应元素aij设定为正权值；如果待检测的符号网络中的网络节点i与网络节点j之间存在负向连接边，则将邻接矩阵A中的相应元素aij设定为负权值；如果待检测的符号网络中的网络节点i与网络节点j之间不存在连接边，则将邻接矩阵A中的相应元素aij设定为零；其中i和j为自然数，并且1≤i≤N、1≤j≤N；(2)对邻接矩阵A中的元素进行相似度计算，以获得网络节点之间的相似度，根据网络节点之间的相似度确定所述待检测的符号网络的相似度矩阵，根据所述相似度矩阵计算所述待检测的符号网络的相似性矩阵，其中对邻接矩阵A中的元素进行相似度计算，以获得网络节点之间的相似度，根据网络节点之间的相似度确定所述待检测的符号网络的相似度矩阵包括：2a)计算使得两个节点成为正连接一跳邻居的正能量N1+(i,j)=Σk∈I1+aik*akj,]]>其中I1+={k|aik*akj>0,1≤k≤N本文档来自技高网...

【技术保护点】
一种基于路径相似度对符号网络进行社区检测的方法，所述方法包括：1)生成与待检测的符号网络对应的N×N阶的邻接矩阵A，所述邻接矩阵A用于表示待检测的符号网络中的网络节点之间的连接关系，其中N为所述待检测的符号网络中网络节点的数量，N为大于1的自然数；其中如果所述待检测的符号网络中的网络节点i与网络节点j之间存在正向连接边，则将邻接矩阵A中的相应元素aij设定为正权值；如果待检测的符号网络中的网络节点i与网络节点j之间存在负向连接边，则将邻接矩阵A中的相应元素aij设定为负权值；如果待检测的符号网络中的网络节点i与网络节点j之间不存在连接边，则将邻接矩阵A中的相应元素aij设定为零；其中i和j为自然数，并且1≤i≤N、1≤j≤N；(2)对邻接矩阵A中的元素进行相似度计算，以获得网络节点之间的相似度，根据网络节点之间的相似度确定所述待检测的符号网络的相似度矩阵，根据所述相似度矩阵计算所述待检测的符号网络的相似性矩阵，其中对邻接矩阵A中的元素进行相似度计算，以获得网络节点之间的相似度，根据网络节点之间的相似度确定所述待检测的符号网络的相似度矩阵包括：2a)计算使得两个节点成为正连接一跳邻居的正能量N1+(i,j)=Σk∈I1+aik*akj,]]>其中I1+={k|aik*akj>0,1≤k≤N};]]>2b)计算使得两个节点成为正连接二跳邻居的正能量N2+(i,j)=Σk,r∈I2+aik*akr*arj,]]>其中I2+={k,r|aik*akr*arj>0,1≤k≤N,1≤r≤N};]]>2c)计算使得两个节点成为正连接一跳邻居的负能量N1-(i,j)=Σk∈I1-aik*akj,]]>其中I1-={k|aik*akj<0,1≤k≤N};]]>2d)计算使得两个节点成为正连接二跳邻居的负能量N2-(i,j)=Σk,r∈I2-aik*akr*arj,]]>其中I2-={k,r|aik*akr*arj<0,1≤k≤N,1≤r≤N};]]>2e)计算基于路径的系数λm，λm取值为网络平均度路径长度次幂的倒数，即其中m＝1或2；即基于一跳路径的系数为λ1，基于二跳路径的系数为λ2，其中Bmean=1NΣi=1NDegree_i,Degree_i=Σj=1N|aij|]]>2f)计算节点间相似度矩阵元素：rij=λ1*N1+(i,j)+λ2*N2+(i,j),aij>0λ1*N1-(i,j)+λ2*N2-(i,j),aij<00,aij=0]]>从而获得相似度矩阵R＝(rij)N×N；其中根据所述相似度矩阵计算所述待检测的符号网络的相似性矩阵包括：2g)通过将相似度矩阵R＝(rij)N×N中每一行的正相似度归一化，并且将每一行的负相似度归一化来获得相似性矩阵S＝(sij)N×N，其中sij=rijΣj∈Pirij,rij>0rijΣj∈Qirij,rtj<0]]>其中，Pi＝{j|rij＞0}，Qi＝{j|rij＜0}。(3)产生网络节点的初始状态值：在[0，2π]内随机产生所述待检测的符号网络的N个网络节点中每个网络节点的初始状态值，其中所述初始状态值服从均匀分布；(4)对待检测的符号网络中每个网络节点的状态值进行更新：xi(t+1)=xi(t)+K1Σsij>0sijsin(xj(t)-xi(t))+K2Σsij<0sijsin(xj(t)-xi(t))]]>其中xi(t)表示网络中第i个节点在当前迭代t步的状态值，xj(t)表示网络中第j个节点在当前迭代t步的状态值，xi(t+1)表示网络中第i个节点在下一次迭代t+1步的状态值，K1，K2为系数；K1，K2取值范围都大于零；(5)计算每个网络节点更新前的状态值与更新后的状态值相减后的绝对值，确定上述绝对值中的最大值，判断该最大值是否小于阈值τ；若小于，则确定每个网络节点更新后的状态值达到稳定，获得网络节点的状态图，进行步骤(6)；否则，若该最大值大于阈值τ，将每个网络节点更新后的状态值作为该网络节点下一次更新的更新前的状态值，返回步骤(4)；(6)确定待检测的符号网络的社区划分结果并且在验证正确后输出所述社区划分结果：6a)在网络节点的状态图中，将状态一致的节点放入同一组中，将同一组中的网络节点划分为一个社区，直至将所有的网络节点划分到各自对应的社区为止，从而获得社区划分结果；6b)将...

【技术特征摘要】
1.一种基于路径相似度对符号网络进行社区检测的方法，所述方法包括：
1)生成与待检测的符号网络对应的N×N阶的邻接矩阵A，所述邻接矩阵A
用于表示待检测的符号网络中的网络节点之间的连接关系，其中N为所述待检
测的符号网络中网络节点的数量，N为大于1的自然数；
其中如果所述待检测的符号网络中的网络节点i与网络节点j之间存在正向
连接边，则将邻接矩阵A中的相应元素aij设定为正权值；
如果待检测的符号网络中的网络节点i与网络节点j之间存在负向连接边，
则将邻接矩阵A中的相应元素aij设定为负权值；
如果待检测的符号网络中的网络节点i与网络节点j之间不存在连接边，则
将邻接矩阵A中的相应元...

【专利技术属性】
技术研发人员：陈建芮，乌力吉，李红格，刘维维，张莉，刘丹伟，
申请(专利权)人：内蒙古工业大学，
类型：发明
国别省市：内蒙古;15