基于边零模型的网络边社团发现方法技术

本发明专利技术公开了一种基于边零模型的网络边社团发现方法。其包括将网络中每条边视为一个社团，构建边零模型计算边社团系数增量，得到边社团系数增量最大值所对应的社团并合并两个社团，直到社团不再变化为止，再将每个社团作为一条新的边网络，重复上述步骤完成边社团发现。本发明专利技术通过构建边随机模型表示网络中的边社团结构，并采用边社团系数作为衡量网络边社团结构的功能函数，能够更加清晰有效的分析网络中边的结构特性，便于在实际网络中应用边网络的特性进行社团发现，解决了利用传统的连边检测方法无法检测ER随机网络、BR无标度网络中的边社团发现问题，具有广泛的应用前景。

Method for discovering network edge community based on edge zero model

The invention discloses a method for discovering a network edge community based on an edge zero model. It includes each side as a community network, calculate the incremental association coefficient to construct zero edge edge model, get the maximum value of community coefficient increment corresponding to the community and the merger of the two associations, societies do not change until now, then each community as a new edge network, repeat the above steps to complete the edge community found. The present invention constructs random model representation while the community structure of the network, and the edge of society as measured by the coefficient of function of edges in the network community structure, structure characteristics analysis of network more clear and effective edge, convenient application of edge network in the actual network of associations found, can not solve the random detection of ER network, BR scale-free network edges in the associations found by the traditional edge detection method, and has wide application prospect.

【技术实现步骤摘要】
基于边零模型的网络边社团发现方法
本专利技术属于网络社团发现
，尤其涉及一种基于边零模型的网络边社团发现方法。
技术介绍
随着网络的不断发展，其规模已经增长到了一个非常庞大的数量级。在这些大规模网络中，以往小规模网络研究中的重要问题，诸如移除某个结点或某条边对整个网络结构的影响这类问题，已不再有重要的研究价值，因为一个结点或一条边的移除对大型网络的结构影响是可以忽略不计的。人们往往更关心关于网络结构的一些统计特征的研究，例如整个网络的结点度的取值分布的形态，要破坏多大比例的网络结点或边才能使整个网络结构被破坏等等。以往认为研究一个复杂系统，只需将系统的组成要素的性质单独研究清楚，就能得到整个复杂系统的行为特性，但是研究表明，复杂系统的行为特性不能靠仅仅独立研究其各组成要素，而应将各组成要素当一个整体来进行研究。在这种大背景下，随着网络研究的不断深入，人们发现在不同类型的网络中得到的反映网络结构的性质和行为机制往往是一致的，在一个网络上得到的规律可以很容易地映射到另一个网络的研究中。这种不同网络具有一致或相似的结构性质或行为特征的现象，推动着网络研究以一个前所未有的速度向前发展，这类研究的对象――大规模网络，常常被称作复杂网络。研究表明，实际的复杂网络是具有一定组织特性的网络结构，如小世界性，聚集性和结点度的分布不均匀性等等。这种组织结构特性可以用网络社团来描述。从直观上讲，社团是指由网络节点组成的一个个节点子集合，子集合内部节点之间连接紧密，而各子集合之间节点连接稀疏。网络社团的这种直观意义表明社团内的节点通常是一组具有某种共同属性或起某种相似作用的节点集合。模块度是衡量网络社团划分质量的标准，其基本想法是把社团划分后的网络与相应的零模型进行比较，以度量社团划分的质量。模块度值的大小主要取决于网络的社团划分情况，可以用来定量的衡量网络社团划分质量，其值越接近1，表示网络划分出的社团结构的强度越强，也就是划分质量越好。因此可以通过最大化模块度Q来获得最优的网络社团划分。随着复杂网络研究的兴起，随机图成为一种重要复杂网络模型。常用的复杂网络的随机图模型主要有以下几种：具有给定平均度的随机图模型，具有给定度分布的广义随机图，以及具有给定度相关特性的随机重连的零模型。复杂网络的随机图模型的许多性质可以做较为严格的理论分析，与此同时，可以通过与适当的随机图模型做比较来分析实际网络的设计和演化特性。近些年来，复杂网络中的边社团结构拥有广泛的理论分析意义，边社团划分也是近年来网络科学研究的热点话题。众多研究者根据网络中边的特性提出了一些社团发现方法。2010年，Ahn等提出了复杂网络中的连边社团结构。作者将社团看作是一组紧密相连的连边的集合，而不是通常定义的紧密节点的集合，因此，节点可以属于多个社团，而一条边只能属于一个社团。作者给出连边对和连边相似度的概念，并提出了相应的社团检测算法。2011年，Kim等将点社团发现中信息传播的方法用于边社团；同年，PanL等提出一种基于局部信息的边社团检测方法；Ye等提出一种在矩形网络中检测连边社团的方法，上述方法均在不同程度上提高了连边社团检测的效率。2013年，He等人提出一种超节点和连边社团的概念，对于一个网络，作者同时采用点社团和边社团的检测方法，提出一种学习方法，将网络中的社团自然分为点社团与边社团，从而优化社团发现结果。
技术实现思路
本专利技术的专利技术目的是：为了更有效的划分边社团，本专利技术提出了一种适用于边网络的基于边零模型的网络边社团发现方法。本专利技术的技术方案是：一种基于边零模型的网络边社团发现方法，包括以下步骤：A、将网络中每条边作为一个社团，得到社团数量M；其中M为网络中边的数量；B、遍历网络中每条边eij，得到所有与边eij相邻的邻边，构建边零模型，针对每条邻边ejk计算边eij加入邻边ejk所在社团的边社团系数增量；C、根据步骤B中计算的边社团系数增量得到边社团系数增量最大值所对应的社团c，将边eij合并至社团c；D、判断每条边所在社团是否存在变化；若社团存在变化，则返回步骤B；若社团不存在变化，则进行下一步骤；E、将步骤D中社团作为一条新的边，生成新的边网络；F、判断步骤E中生成新的边网络与原网络是否存在变化；若生成新的边网络与原网络存在变化，则返回步骤B；若生成新的边网络与原网络不存在变化，则完成边社团发现。进一步地，所述步骤B中所有与边eij相邻的邻边采用边的度表示与边eij的端点i和端点j相邻的边的个数，具体表示为：DEij＝ki+kj-2其中，DEij为边的度，ki,kj分别表示端点i和端点j的度。进一步地，所述步骤B中构建边零模型包括以下分步骤：S1、计算网络中每条边eij的边的度DEij，并将每条边依次排列；S2、将每条边eij的两个端点延伸出个DEij线头与其它边相连，且若两条边相连则其非公共端点不相连；S3、将所有线头进行配对，生成边零模型。进一步地，所述步骤B中边社团系数的计算公式具体为：其中，ESij是eij的边强度，EoSij,jk是边eij和边ejk的邻边连接强度，δ(g(eij),g(ejk))为冲击函数。进一步地，所述冲击函数δ(g(eij),g(ejk))的取值为当边eij和边ejk属于同一个边社团时冲击函数δ(g(eij),g(ejk))取1，当边eij和边ejk不属于同一个边社团时冲击函数δ(g(eij),g(ejk))取0。本专利技术的有益效果是：本专利技术通过构建边零模型表示网络中的边社团结构，并采用采用边社团系数作为衡量网络边社团结构的功能函数，能够更加清晰有效的分析网络中边的结构特性，便于在实际网络中应用边网络的特性进行社团发现，解决了利用传统的连边检测方法无法检测ER随机网络、BR无标度网络中的边社团发现问题，具有广泛的应用前景。附图说明图1是本专利技术的基于边零模型的网络边社团发现方法流程示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，为本专利技术的基于边零模型的网络边社团发现方法流程示意图。一种基于边零模型的网络边社团发现方法，包括以下步骤：A、将网络中每条边作为一个社团，得到社团数量M；其中M为网络中边的数量；B、遍历网络中每条边eij，得到所有与边eij相邻的邻边，构建边零模型，针对每条邻边ejk计算边eij加入邻边ejk所在社团的边社团系数增量；C、根据步骤B中计算的边社团系数增量得到边社团系数增量最大值所对应的社团c，将边eij合并至社团c；D、判断每条边所在社团是否存在变化；若社团存在变化，则返回步骤B；若社团不存在变化，则进行下一步骤；E、将步骤D中社团作为一条新的边，生成新的边网络；F、判断步骤E中生成新的边网络与原网络是否存在变化；若生成新的边网络与原网络存在变化，则返回步骤B；若生成新的边网络与原网络不存在变化，则完成边社团发现。在步骤A中，在复杂网络中，节点的度描述了与该节点相邻的节点的个数，能够反应出节点的连接属性。而对于网络中的边，本专利技术通过边的度及其强度来衡量复杂网络中的边之间的连接关系。本专利技术以邻接矩阵表示一个网络结构，以无权无向网络为例本文档来自技高网...

【技术保护点】
一种基于边零模型的网络边社团发现方法，其特征在于，包括以下步骤：A、将网络中每条边作为一个社团，得到社团数量M；其中M为网络中边的数量；B、遍历网络中每条边eij，得到所有与边eij相邻的邻边，构建边零模型，针对每条邻边ejk计算边eij加入邻边ejk所在社团的边社团系数增量；C、根据步骤B中计算的边社团系数增量得到边社团系数增量最大值所对应的社团c，将边eij合并至社团c；D、判断每条边所在社团是否存在变化；若社团存在变化，则返回步骤B；若社团不存在变化，则进行下一步骤；E、将步骤D中社团作为一条新的边，生成新的边网络；F、判断步骤E中生成新的边网络与原网络是否存在变化；若生成新的边网络与原网络存在变化，则返回步骤B；若生成新的边网络与原网络不存在变化，则完成边社团发现。

【技术特征摘要】
1.一种基于边零模型的网络边社团发现方法，其特征在于，包括以下步骤：A、将网络中每条边作为一个社团，得到社团数量M；其中M为网络中边的数量；B、遍历网络中每条边eij，得到所有与边eij相邻的邻边，构建边零模型，针对每条邻边ejk计算边eij加入邻边ejk所在社团的边社团系数增量；C、根据步骤B中计算的边社团系数增量得到边社团系数增量最大值所对应的社团c，将边eij合并至社团c；D、判断每条边所在社团是否存在变化；若社团存在变化，则返回步骤B；若社团不存在变化，则进行下一步骤；E、将步骤D中社团作为一条新的边，生成新的边网络；F、判断步骤E中生成新的边网络与原网络是否存在变化；若生成新的边网络与原网络存在变化，则返回步骤B；若生成新的边网络与原网络不存在变化，则完成边社团发现。2.如权利要求1所述的基于边零模型的网络边社团发现方法，其特征在于，所述步骤B中所有与边eij相邻的邻边采用边的度表示与边eij的端点i和端点j相邻的边的个数，具体表示为：DEij＝ki+kj-2其中，DEij为边的度，ki,kj分别表示端点i和端点j的度。3.如权利要求2所述的基于边零模型的网络边社团发现方法，其特征在于，所述步...

【专利技术属性】
技术研发人员：艾小翔，翟学萌，胡光岷，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51