一种网络社区发现方法技术

本发明专利技术公开了一种网络社区发现方法，用于复杂网络分析中的社区结构发现。本发明专利技术整个社区发现过程分为两个阶段，在第一个阶段中，利用模块度优化模型对网络中每个节点的节点子图进行社区划分；在第二个阶段中，基于节点子图的社区划分结果确定节点标签传播的顺序和每个节点社区标签的更新规则。在对网络中节点的社区标签进行传播更新时，其传播顺序不再是随机的，而是利用节点的信息熵衡量网络节点的信息量，按照信息熵由小到大的顺序进行标签传播，从而避免随机性和不确定性导致的精度降低；同时，节点标签的更新原则不再是简单的依赖于标签出现频率，而是利用最优模块度和信息熵对节点标签的不确定性进行综合评估，从而避免了标签更新的盲目性。

【技术实现步骤摘要】
一种网络社区发现方法
本专利技术涉及复杂网络
，特别涉及一种网络社区发现方法。
技术介绍
复杂网络一般是指节点数量庞大，连接关系复杂的网络。自然界中存在大量复杂网络，网络中的节点由各个实体抽象而成，实体与实体之间的关系构成了网络中的边，例如，社会网络、Internet网络、蛋白质网络、经济与金融网络及科研与教育网络等。复杂网络具有灵活普适的刻画能力，能够广泛应用于各学科领域对复杂系统进行建模、分析，因此，对于复杂网络的研究成为一项极具挑战性的课题。复杂网络中链路分布的不均匀性暗示了社区结构的存在，越来越多的研究也表明网络中存在社区结构，即整个网络可划分为若干个结构明显的社区，每个社区内部的节点之间的连接相对较为紧密，而各个社区之间的连接相对比较稀疏。在实际的网络系统中，不同的社区可以表达不同的意义。例如，在生物学系统中，社区可以代表一个组织的功能单位；在社会学系统中，社区可以代表具有共同属性和特征的一类个体或者一个团体；在Web网络中，社区可以代表一类具有相同主题的网站。利用网络中拓扑结构所隐藏的信息从复杂网络中解析出其模块化社区结构的过程被称为社区发现，这一过程对于分析复杂网本文档来自技高网...

【技术保护点】
一种网络社区发现方法，其特征在于，给定一个网络，用G(V,E)表示，其中V＝(v1,v2,…,vm)表示网络中节点的集合，vi表示网络中第i个节点(1≤i≤m)，m为节点数量，E＝(e1,e2,…,en)表示网络中边的集合，ej表示网络中第j条边(1≤j≤n)，n为边的数量，用L＝(l1,l2,…,lm)表示网络中所有节点的社区标签构成的集合，li(1≤i≤m)为第i个节点vi的社区标签；本专利技术所述内容即确定网络中所有节点的社区标签集合L，并将标签一致的节点归为同一社区的过程，包括以下步骤：步骤1、对于网络中的任一节点vi，记其周围与之存在直接连边关系的邻居节点集合为Vi，这些直接连边构成...

【技术特征摘要】
1.一种网络社区发现方法，其特征在于，给定一个网络，用G(V,E)表示，其中V＝(v1,v2,…,vm)表示网络中节点的集合，vi表示网络中第i个节点(1≤i≤m)，m为节点数量，E＝(e1,e2,…,en)表示网络中边的集合，ej表示网络中第j条边(1≤j≤n)，n为边的数量，用L＝(l1,l2,…,lm)表示网络中所有节点的社区标签构成的集合，li(1≤i≤m)为第i个节点vi的社区标签；本发明所述内容即确定网络中所有节点的社区标签集合L，并将标签一致的节点归为同一社区的过程，包括以下步骤：步骤1、对于网络中的任一节点vi，记其周围与之存在直接连边关系的邻居节点集合为Vi，这些直接连边构成的集合记作Ei；节点vi的节点子图即由Vi和Ei组成的局部网络，可表示为Gi＝{(v,e)|v∈Vi,e∈Ei}；利用最优模块度模型对网络中每个节点的节点子图划分局部社区，这一过程是通过迭代计算实现的，对任一节点vi的节点子图Gi其具体步骤如下：步骤1-1、初始化Gi的社区分布，每个节点属于一个独立局部社区；步骤1-2、利用式(1)计算节点子图Gi的模块度Qi：其中mi为节点子图Gi中的节点数量，ni为Gi中边的数量；1≤p≠q≤mi表示Gi中任意两个节点的序号；A为Gi的邻接矩阵，其元素Apq取值为0或1，表示Gi中节点p和q之间的连边数量；表示Gi中节点p的度；为Gi中节点p的局部社区标签，若节点p和q同属一个局部社区则否则步骤1-3、沿着使Qi增大最多的方向对Gi中有边相连的局部社区对进行合并；步骤1-4、计算社区合并后Gi的模块度，记此时的模块度为若则返回步骤1-3继续进行社区合并，否则进入步骤1-5；步骤1-5、记录节点子图Gi中节点的局部社区标签，完成...

【专利技术属性】
技术研发人员：白亮，杜航原，
申请(专利权)人：山西大学，
类型：发明
国别省市：山西,14