一种k‑core‑truss社区模型及分解、搜索算法制造技术

本发明专利技术提供了一种k‑core‑truss社区模型，包括图G＝(V，E)，所述子图满足：每条边e的度≥α*k或者边e被包含在k‑2个三角形中；对于图G的任意节点u，其核值core(u)＝max{k|u∈V

【技术实现步骤摘要】
一种k-core-truss社区模型及分解、搜索算法
本专利技术属于图和社区网络的社交挖掘技术领，尤其涉及一种k-core-truss社区模型及分解、搜索算法。
技术介绍
随着科学技术的迅猛发展，社会上的各行各业都积累和采集了大量的图数据，例如在线社交网络中的社交图谱、因特网的网络拓扑、银行信贷网络、蛋白质交互网络、公路交通网络、无线传感器网络、通讯网络、以及智能电网等等。这些图数据有两个较为显著的特性：一是它们的规模庞大，图中顶点的数目往往都是千万乃至十亿级别，比如社交网络的脸书图谱、腾讯QQ网络以及新浪微博图谱等；二是这些图数据中往往都存在顶点之间紧密相连的凝聚子图(cohesivesubgraph)结构。近年来，对图和社交网络中的社区挖掘问题引起学术界和工业界了广泛的关注。在社区挖掘问题上，大多数的研究工作仅致力于探测原图中的社区结构。然而，在很多应用情景中，我们关心的是找出包含查询节点的社区结构。例如，在一个社交网络中，我们要查询某个或者几个用户所在的社区结构，进而了解他们的共同兴趣爱好，或者团体活动等；再比如在电话通信网络中，我们要查询一个用户与其紧密联系的一个社群，进而了本文档来自技高网...

【技术保护点】
一种k‑core‑truss社区模型，其特征在于，包括一个无向、无权图G＝(V，E)，在图G中具有一个最大子图，所述子图满足：每条边e的度≥α*k或者边e被包含在k‑2个三角形中；对于图G的任意节点u，其核值core(u)＝max{k|u∈V

【技术特征摘要】
1.一种k-core-truss社区模型，其特征在于，包括一个无向、无权图G＝(V，E)，在图G中具有一个最大子图，所述子图满足：每条边e的度≥α*k或者边e被包含在k-2个三角形中；对于图G的任意节点u，其核值core(u)＝max{k|u∈Vk-core}，其中Vk-core为图G中的k-core社区；对于图G中的任意边e，其束值λ(e)＝max{k|e∈Ek-truss}，其中Ek-truss为图G中的k-truss社区；对于图G中的任意边e，其最大度δ(e)＝min(core(u),core(v))；其中，边e＝(u,v)，节点u的度为deg(u)＝|{v|(u,v)∈E}|，边e的度为d(e)＝min{deg(u),deg(v)}，图G中节点的最大度为dmax，参数α>0，k≥3。2.如权利要求1所述的k-core-truss社区模型，其特征在于，当α*k>dmax时，所述k-core-truss社区模型为k-truss模型。3.如权利要求1所述的k-core-truss社区模型，其特征在于，当α*k≤(k-1)时，所述k-core-truss社区模型为α*k-core模型。4.如权利要求1所述的k-core-truss社区模型，其特征在于，所述参数α＝1/k时，整个图G都为k-core-truss模型。5.一种k-core-truss社区模型分解算法，其特征在于，包括以下步骤：计算并记录图G＝(V，E)中所有节点的核值core(u)＝max{k|u∈Vk-core}与core(v)＝max{k|v∈Vk-core}，其中Vk-core为图G中的k-core社区；计算并记录图G＝(V，E)中所有边e＝(u,v)的最大度δ(e)＝min(core(u),core(v))；计算并记录图G＝(V，E)中所有边e＝(u,v)的trussnes...

【专利技术属性】
技术研发人员：李振军，李荣华，杨烜，毛睿，郭君，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东,44