一种基于通信时空特征的演变网络特殊群体挖掘方法及系统技术方案

本发明专利技术提出一种基于通信时空特征的演变网络特殊群体挖掘方法及系统，涉及通讯单社区发现技术领域，该方法包括步骤1，根据通信数据，获取时间特征数据与空间特征数据，其中所述空间特征数据为产生所述通信数据的地点；步骤2，按照所述时间特征数据与所述空间特征数据及通信关系，构建静态通信网络，并构建与所述静态通信网络相对应的拉普拉斯矩阵，计算矩阵特征向量，并对矩阵特征向量进行聚类，将聚类分为特殊群体和非特殊群体两种类簇，并获取聚类结果；步骤3，根据所述聚类结果，采取投票机制，获取最终特殊群体聚类结果。

【技术实现步骤摘要】
一种基于通信时空特征的演变网络特殊群体挖掘方法及系统
本专利技术涉及通讯单社区发现
，特别涉及一种基于通信时空特征的演变网络特殊群体挖掘方法及系统。
技术介绍
当今社会正处于数据爆发式增长的大数据时代。人们在社交媒体上以一种前所未有的速度交流、分享、联络、互动，同时产生极具规模的数据。电话、短信这种传统社交媒体在当今时代依旧起着沟通联络的主导地位。社交媒体的发展产生了大量的数据，对于社会科学、商业发展、人类进步带来了巨大潜力，社交媒体挖掘就是一种伴随着社交媒体高速发展的新型研究领域，它是一种社会学与计算科学的交叉研究型学科，经常使用或综合研究多个领域如统计学、数据挖掘、机器学习、社会心理学等。社区也称为群组(group)、集群(cluster)等，直观上，是指网络中的一些密集群体，每个社区内部的结点间的联系相对紧密，它在社会学领域中已经被广泛、深入的研究。社区发现主要针对与显示社区相对的隐式社区挖掘。本专利技术主要针对于，传统通信媒体网络的社区发现，传统社区发现聚类算法主要有如下几类：现有方法一：层次聚类，假设社区是存在层次结构，计算网络中每对节点的相似程度，根据相似程度进行进本文档来自技高网...

【技术保护点】
一种基于通信时空特征的演变网络特殊群体挖掘方法，其特征在于，包括：步骤1，根据通信数据，获取时间特征数据与空间特征数据，其中所述空间特征数据为产生所述通信数据的地点；步骤2，按照所述时间特征数据与所述空间特征数据及通信关系，构建静态通信网络，并构建与所述静态通信网络相对应的拉普拉斯矩阵，计算矩阵特征向量，并对矩阵特征向量进行聚类，将聚类分为特殊群体和非特殊群体两种类簇，并获取聚类结果；步骤3，根据所述聚类结果，采取投票机制，获取最终特殊群体聚类结果。

【技术特征摘要】
1.一种基于通信时空特征的演变网络特殊群体挖掘方法，其特征在于，包括：步骤1，根据通信数据，获取时间特征数据与空间特征数据，其中所述空间特征数据为产生所述通信数据的地点；步骤2，按照所述时间特征数据与所述空间特征数据及通信关系，构建静态通信网络，并构建与所述静态通信网络相对应的拉普拉斯矩阵，计算矩阵特征向量，并对矩阵特征向量进行聚类，将聚类分为特殊群体和非特殊群体两种类簇，并获取聚类结果；步骤3，根据所述聚类结果，采取投票机制，获取最终特殊群体聚类结果。2.如权利要求1所述的基于通信时空特征的演变网络特殊群体挖掘方法，其特征在于，通过逆地址解析将将所述通信数据中的基站数据转化为经纬度地点数据。3.如权利要求1所述的基于通信时空特征的演变网络特殊群体挖掘方法，其特征在于，所述静态通信网络为无向加权通信图。4.如权利要求1所述的基于通信时空特征的演变网络特殊群体挖掘方法，其特征在于，所述步骤3中所述投票机制为设投票阈值为n，采用迭代方法找到满足阈值的结果。5.如权利要求1所述的基于通信时空特征的演变网络特殊群体挖掘方法，还包括对所述最终特殊群体聚类结果进行评价，评价公式为：准确率pred的计算公式：其中accuate是准确判断出所述群体电话号码的数量，N是电话号码总个数；召回率recall的计算公式：其中realSum是经验证的所述群体使用的电话号码；根据准确率pred与召回率recall计算评价标准F1值，计算所述评价标准F1值的计算公式如下：6.一种基于通信时...

【专利技术属性】
技术研发人员：姜松浩，宋永浩，李卓坚，赵晓芳，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：北京,11