基于边图的线性流重叠社区发现方法、系统及存储介质技术方案

本发明专利技术涉及大数据挖掘技术领域，公开了一种基于边图的线性流重叠社区发现方法、系统及存储介质，以提高效率并取得更好的社区划分结果。本发明专利技术方法包括：S1、将原始网络转换为边图网络；S2、将得到的边图网络中的边打乱顺序进行随机的选取处理，对每条边处理时，还原边图网络到原始网络，由原始网络中边聚类系数与当前更新后的节点度计算得到当前边的权重和所关联两节点各自的权重；S3、将当前边的权重与第一阈值进行比较，如果当前边的权重大于第一阈值，将当前边所对应的权重小的节点加入到权重大的节点所在的社区；否则，不对当前边进行社区划分；S4、重复上述S2及S3，依次对边图网络各边处理后得到整个网络的第一重叠社区划分图。

【技术实现步骤摘要】
基于边图的线性流重叠社区发现方法、系统及存储介质
本专利技术涉及大数据挖掘
，尤其涉及一种基于边图的线性流重叠社区发现方法、系统及存储介质。
技术介绍
复杂网络的社区发现是指对网络中社区结构的挖掘，社区结构是网络中节点在聚集上的特征，在具有社区结构的网络中，同一社区内的节点连接紧密而不同社区之间节点连接稀疏。社区发现对于认识网络的结构与功能，理解网络的动力学及演化机制具有重要的理论意义，并且还有很好的实际应用价值。如在各类视频，购物，搜索引擎网络中，通过社区发现将类型或者主题相近的内容聚类在一起，从而改进相应的推送效果与搜索准确性；在社交网络中，通过社区发现可以找到消费行为或兴趣上相似度较高的用户，从而改进推荐系统，增加商业机会，改善服务效果等等。目前复杂网络的社区发现算法主要分为两类：(1)非重叠社区发现算法。这类算法一般都对网络进行硬划分，将网络分为不同的社区，社区之间不存在有交集。这类算法有基于图划分的方法，如K-L算法通过节点交换将网络划分为两个社团，社团之间存在连接最少；基于层次聚类的算法，通过相似度计算构建网络的树形层次结构图，每一层次对应网络的一种分割方式，如GN本文档来自技高网...

【技术保护点】
1.一种基于边图的线性流重叠社区发现方法，其特征在于，包括：步骤S1、将原始网络转换为边图网络；步骤S2、将得到的边图网络中的边打乱顺序进行随机的选取处理，对每条边处理时，还原边图网络到原始网络，由原始网络中边聚类系数与当前更新后的节点度计算得到当前边的权重和所关联两节点各自的权重；步骤S3、将当前边的权重与第一阈值进行比较，如果当前边的权重大于第一阈值，将当前边所对应的权重小的节点加入到权重大的节点所在的社区；否则，不对当前边进行社区划分；步骤S4、重复上述步骤S2及S3，依次对边图网络各边处理后得到整个网络的第一重叠社区划分图。

【技术特征摘要】
1.一种基于边图的线性流重叠社区发现方法，其特征在于，包括：步骤S1、将原始网络转换为边图网络；步骤S2、将得到的边图网络中的边打乱顺序进行随机的选取处理，对每条边处理时，还原边图网络到原始网络，由原始网络中边聚类系数与当前更新后的节点度计算得到当前边的权重和所关联两节点各自的权重；步骤S3、将当前边的权重与第一阈值进行比较，如果当前边的权重大于第一阈值，将当前边所对应的权重小的节点加入到权重大的节点所在的社区；否则，不对当前边进行社区划分；步骤S4、重复上述步骤S2及S3，依次对边图网络各边处理后得到整个网络的第一重叠社区划分图。2.根据权利要求1所述的基于边图的线性流重叠社区发现方法，其特征在于，还包括：根据第一重叠社区划分图的节点数目确定大社区和小社区的划分标准；以及将网络中的各个重叠小社区分别划分到相似度最大的大社区中进行社区合并，得到第二重叠社区划分图。3.根据权利要求2所述的基于边图的线性流重叠社区发现方法，其特征在于，重叠小社区Ci与任一大社区Cj的相似度为：社区Ci与Cj中公共的节点数占社区Ci与Cj中所有节点数的比例。4.根据权利要求1至3任一所述的基于边图的线性流重叠社区发现方法，其特征在于，在步骤S2中，边的权重为关联的两节点的权重和。5.根据权利要求4所...

【专利技术属性】
技术研发人员：王斌，李强，盛津芳，孙泽军，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43