基于随机游走边界域处理的三支决策社团划分方法及装置制造方法及图纸

本发明专利技术公开了一种基于随机游走边界域处理的三支决策社团划分方法，方法包括：1)、获取抽象网络；2)、对抽象网络初始粒化后进行聚类粒化，将抽象网络划分成多个划分后社团，并将划分后社团的结构关系作为第一划分结果；3)、获取重叠社团模块度最大值对应的抽象网络的第一划分结果；4)、利用随机游走算法对边界域中的所有节点进行划分；5)、针对更新后的边界域中的每一个节点，使用三支决策法进行处理，获得第二划分结果，并将第二划分结果作为目标划分结果。本发明专利技术公开了一种基于随机游走边界域处理的三支决策社团划分装置。应用本发明专利技术，可以提高社团划分的精度，从而有助于分析和了解网络结构，便于对网络进行优化和管理。

【技术实现步骤摘要】
基于随机游走边界域处理的三支决策社团划分方法及装置
本专利技术涉及一种社团划分方法及装置，更具体涉及一种基于随机游走边界域处理的三支决策社团划分方法及装置。
技术介绍
网络广泛存在于我们的现实生活中，如社会系统中的人际关系网，生物系统中的蛋白质交互网络，计算机网络中的万维网和因特网等，这些网络中的每一个个体通过信息交换通道与其它的个体连接。随着对网络的深入研究，人们发现许多实际网络中都存在着社团结构，即整个网络由若干个社团构成。例如，可以将现实中存在的网络，如计算机网络中的每一台设备抽象成一个节点，而各个节点之间的网络通道可以抽象成节点之间的边，可以发现，每个社团内部的节点/节点之间连接相对紧密而社团之间的连接相对比较稀疏。为了实现对网络的分析，需要根据节点之间的关联关系，寻找联系紧密的小型社团结构，该过程可以被称为社团划分或社团发现。近年来，随着研究的深入，人们发现在进行社团划分时经常会出现重叠部分，即一个节点可能会属于多个社团。实际上，将重叠节点划分到单个社团中更有助于发现社团内存在的规律，并预测网络的行为和功能。目前，常用的非重叠社团划分算法，主要分为以下四种：层次聚类算法、目本文档来自技高网...

【技术保护点】
1.一种基于随机游走边界域处理的三支决策社团划分方法，其特征在于，所述方法包括：1)、将获取的待进行社团划分的网络抽象成由节点连接成的抽象网络；2)、针对所述抽象网络中的每一个节点，根据所述节点的连接属性，对所述抽象网络初始粒化后进行聚类粒化，并将聚类粒化后抽象网络的结构关系作为第一划分结果，其中，所述连接属性，包括：所述节点与其它节点的连接关系；3)、计算每一粒层分别对应的重叠社团模块度，并获取重叠社团模块度最大值对应的抽象网络的第一划分结果，其中，所述重叠社团为，具有相同节点的社团，且粒层为对应不同的预设粒化系数的第一划分结果；4)、将所述第一划分结果中各个划分后社团的重叠部分作为边界域；...

【技术特征摘要】
1.一种基于随机游走边界域处理的三支决策社团划分方法，其特征在于，所述方法包括：1)、将获取的待进行社团划分的网络抽象成由节点连接成的抽象网络；2)、针对所述抽象网络中的每一个节点，根据所述节点的连接属性，对所述抽象网络初始粒化后进行聚类粒化，并将聚类粒化后抽象网络的结构关系作为第一划分结果，其中，所述连接属性，包括：所述节点与其它节点的连接关系；3)、计算每一粒层分别对应的重叠社团模块度，并获取重叠社团模块度最大值对应的抽象网络的第一划分结果，其中，所述重叠社团为，具有相同节点的社团，且粒层为对应不同的预设粒化系数的第一划分结果；4)、将所述第一划分结果中各个划分后社团的重叠部分作为边界域；并利用随机游走算法对所述边界域中的所有节点进行划分，更新所述第一划分结果以及所述边界域，直至所述第一划分结果以及所述边界域的更新次数达到预设次数；5)、针对更新后的所述边界域中的每一个节点，使用三支决策法进行处理，获得第二划分结果，并将所述第二划分结果作为目标划分结果。2.根据权利要求1所述的一种基于随机游走边界域处理的三支决策社团划分方法，其特征在于，所述1)步骤，包括：将获取的待进行社团划分的网络中的每一个通过网络相互连接的个体抽象成一个节点，然后将各个节点之间的连接链路抽象成节点之间的连接线。3.根据权利要求1所述的一种基于随机游走边界域处理的三支决策社团划分方法，其特征在于，所述2)步骤，包括：A：针对所述抽象网络中的每一个节点，将所述节点作为中心节点，获取所述中心节点的邻居节点的集合，并判断所述中心节点的以及所述邻居节点构成的网络中是否存在仅通过所述中心节点连接的由节点构成的社团；若是，获取所述中心节点的以及所述邻居节点构成的网络中所包含的，除所述中心节点外社团之间无连接关系的各个社团，并将所述各个社团作为划分后社团；若否，将所述中心节点的以及所述邻居节点构成的网络作为划分后社团。B：针对预设数量个预设粒化系数中的每一个预设粒化系数，针对所述划分后社团构成的集合中的每一对存在连接关系的划分后社团，获取所述存在连接关系的划分后社团分别对应的粒化系数，进而获取所述粒化系数中的最大值，若所述粒化系数中的最大值不小于预设粒化系数，将所述存在连接关系的划分后社团合并成为一个社团，直至所述划分后社团构成的集合中任一对存在连接关系的划分后社团的粒化系数均小于所述预设粒化系数；将获得的社团的结构关系作为第一划分结果。4.根据权利要求1所述的一种基于随机游走边界域处理的三支决策社团划分方法，其特征在于，所述3)步骤之前，所述方法还包括：对所述第一划分结果进行去重处理。5.根据权利要求1所述的一种基于随机游走边界域处理的三支决策社团划分方法，其特征在于，所述3)步骤，包括：利用公式，获取每一个预设粒化系数分别对应的重叠社团模块度，其中，EQ为每一个预设粒化系数分别对应的重叠社团模块度；m为所述抽象网络中包含的边的数量；Gr为每一预设粒化系数对应的社团划分结果中的各个划分后社团；i为第i个节点的序号；j为第j个节点的序号；oi为第i个节点所属划分后社团的数量；oj为第j个节点所属划分后社团的数量；Aij为所述抽象网络对应的邻接矩阵元素；di为第i个节点的度；dj为第j个节点的度。6.根据权利要求1所述的一种基于随机游走边界域处理的三支决策社团划分方法，其特征在于，所述利用随机游走算法对所述边界域中的所有节点进行划分，包括：A：获取所述抽象网络对应的邻接矩阵；B：根据所述邻接矩阵，利用公式，计算所述边界域中任意两个相连的节点之间的相似度值，其中，S(vi,vj)为边界域中任意两个相连的节点之间的相似度值；vi为边界域中第i个节点；vj为边界域中第i个节点；min()为最小值求值函数；Yiγ为邻接矩阵中第i行所有元素构成的向量与第γ行所有元素构成的向量之间的内积，且Yiγ＝∑tAitAγt；Ait为邻接矩阵中第i行第t列的元素；Aγt为邻接矩阵中第γ行第t列的元素；∑为求和函数；t为邻接矩阵中元素所对应的列的序号；Yjγ为邻接矩阵中第j行所有元素构成的向量与第γ行所有元素构成的向量之间的内积，且Yjγ＝∑tAjtAγt；Ajt为邻接矩阵中第j行第t列的元素；max()为最大值求值函数；γ为邻接矩阵中行的序号；C：获取所述边界域中任意两个节点之间的相似度值；其中，在所述任意两个节点的序号相同时，将所述任意两个节点之间的相似度值设为1；在所述任意两个节点之间存在连接边时，利用步骤B中的公式计算所述任意两个节点之间的相似度值；在所述任意两个节点之间不存在边时，将所述任意两个节点之间的相似度值设为0；D：将所述边界域中任意两个节点之间的相似度值进行归一化处理，得到归一化矩阵，并利用公式，u＝(1-α)·PT·u0+α·d，计算所述边界域中每一个节点游走到其他各个节点的概率向量，其中，u为边界域中每一个节点游走到其他各个节点的概率向量；α为预设的跳转概率；P为归一化矩阵；u0为初始概率向量；d为转移概率向量；PT为归一化矩阵的转置矩阵；E：将所述边界域中每一个节点游走到其他各个节点的概率向量作为初始概率向量，并返回执行所述D步骤，直至所述边界域中每一个节点游走到其他各个节点的概率向量收敛，得到所述边界域中每一个节点游走到其他各个节点的目标概率向量；F：针对利用公式，计算所述边界域中每一个节点游走到抽象网络中各个划分后社团的概率，其中，P(n→Cj)为边界域中的第n个节点游走到第j个划分后社团的概率；avg{}为平均值求值函数；n为边界域中的节点的序号；vi为划分后社团Cj中的第i个节点；j为划分后社团的序号；为任意函数；G：针对所述边界域中的每一个节点，将所述节点划分到，所述节点游走到各个划分后社团的概率中最大值对应的划分后社团中，更新所述边界域、所述划分后社团以及包含各个划分后社团的结构关系的第一划分结果。7.一种...

【专利技术属性】
技术研发人员：陈洁，李洋，赵姝，段震，张燕平，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽,34