一种面向学术合作网络的社区检测方法和装置制造方法及图纸

本发明专利技术属于社会网络分析技术领域，具体涉及一种面向学术合作网络的社区检测方法和装置。本发明专利技术一种面向学术合作网络的社区检测方法具体步骤为：获取学者发表论文的数据，对数据进行预处理，计算出每两个学者之间的合作次数；构建邻接矩阵与学术合作网络；搜索社区中心学者；分配非中心学者；输出社区检测结果。本发明专利技术一种面向学术合作网络的社区检测装置包括处理器、缓存、通信接口和储存介质通过总线连接。且处理器包括：获取数据模块，邻接矩阵构建模块，搜索社区中心学者模块，分配非中心学者模块，和输出检测结果模块构成。本发明专利技术有效提高了学术合作以及学术社区检测的精度和检测效率。

A community detection method and device for academic cooperation network

【技术实现步骤摘要】
一种面向学术合作网络的社区检测方法和装置
本专利技术属于社会网络分析
，具体涉及一种面向学术合作网络的社区检测方法和装置。
技术介绍
在知识经济时代，学者在科技创新方面扮演着重要角色，而科研合作有利于知识的共享，学者在将自己的知识和经验共享的同时，也有可能给彼此带来创作的灵感，因此科研合作对于技术创新有重要的作用。随着越来越多的学者在各个领域开展了大量的合作，学术合作网络变得更加庞大与复杂，其中蕴含着大量有价值的信息。通常将由学者论文合作关系数据构建的学术合作网络建模为复杂网络，其中将学者抽象为网络节点，将学者之间的合作关系抽象为节点之间的连边。社区结构作为一种数据组织形式广泛存在于各种复杂网络中，如：在学术合作网络中具有共同研究兴趣的学者往往形成同一社区，而社区中心是该领域的一些权威专家。对学术合作网络进行社区结构挖掘，可以获取个人、机构以及地区之间的科研合作与学术交流水平，也可以获取该网络中学者合作的紧密程度与合作模式以及各个学科发展趋势，这样不仅有利于学者找到合适的合作对象，同时也能反映特定领域的热点问题和科研合作质量，能帮助学者了本文档来自技高网...

【技术保护点】
1.一种面向学术合作网络的社区检测方法，其特征在于：包括以下步骤:/n步骤1，获取数据；/n步骤2，构建邻接矩阵与学术合作网络；/n步骤3，搜索社区中心学者；/n步骤4，分配非中心学者；/n步骤5，输出社区检测结果。/n

【技术特征摘要】
1.一种面向学术合作网络的社区检测方法，其特征在于：包括以下步骤:
步骤1，获取数据；
步骤2，构建邻接矩阵与学术合作网络；
步骤3，搜索社区中心学者；
步骤4，分配非中心学者；
步骤5，输出社区检测结果。


2.根据权利要求1所述的一种面向学术合作网络的社区检测方法，其特征在于：所述步骤1中获取数据的具体操作为：
获取学者发表论文的数据，对数据进行预处理，计算出每两个学者之间的合作次数；
所述预处理的具体操作是将学者发表论文的数据进行合作关系的匹配；
所述学者发表论文的数据包括作者、题目、摘要、关键字和项目资助信息。


3.根据权利要求1所述的一种面向学术合作网络的社区检测方法，其特征在于：所述步骤2中构建邻接矩阵与学术合作网络的具体操作为：
依据学者间的合作关系建立学术合作网络的邻接矩阵：
其中i和j表示学者，n表示学者的总数，表示由不同学者之间的合作关系构成的邻接矩阵，表示第i个学者与第j个学者之间的合作关系；若两个学者之间有合作关系，则否则
通过邻接矩阵构建学术合作网络：G＝＜V,E,HG＞
其中，G表示一个学术合作网络，表示由网络中的n个学者组成的集合，vi表示学术合作网络中第i个学者的节点；表示由学术合作网络中学者间合作关系对应的边组成的集合，节点间的边ei,j代表第i个学者与第j个学者存在合作关系；表示学术合作网络中学者间的合作次数组成的集合，其中HG(i,j)表示第i个学者与第j个学者的合作次数；
所述学术合作网络中的每一个网络节点表示一个学者；
所述学术合作网络是由学者论文的合作关系数据构建的。


4.根据权利要求1所述的一种面向学术合作网络的社区检测方法，其特征在于：所述步骤3中的搜索社区中心学者的具体操作为：
抽取出学术合作网络中包含的所有模体其中表示模体中包含的边的总数，η表示模体中包含的节点总数；
所述模体是由条边和η个节点组成的闭合环状结构；
将HG(i,j)作为两个学者间的属性同质值，计算每个模体的属性同质值，计算公式如下：



其中Ar表示第r个模体的属性同质值，δr表示第r个模体中边的总数，b表示模体中每条边的编号，startb和endb表示模体中由第b条边相连的两个学者；
所述属性同质值表示学术合作网络中对应的两个学者间的属性相似程度，Ar取值越大，表示学术合作网络中两个学者之间的属性相似程度越高；
计算包含在模体中的任意两个学者之间的属性-结构连接强度，计算公式如下：



其中attrij表示包含在模体中的学者vi和vj之间的属性-结构连接强度，MTr表示学术合作网络G＝＜V,E,HG＞中的第r个模体，{i,j}∈MTr表示学者vi和vj同时被包含在MTr中；
对于学者vi，通过遍历学术合作网络中所有的学者，计算学者vi的密集度，计算公式如下：



其中Densityi表示学者vi的密集度，n为学术合作网络中的学者总数，学者vi的密集度是学者与社区内其它学者间的属性-结构连接强度之和；
计算两个学者间的相似度和每条边的边适应度：
Φi＝Nb(i)+{vi}-{vj}和Φj＝Nb(j)+{vj}-{vi}表示由边ei,j连接的两个学者邻域，其中{vi}表示只包含学者vi的集合，{vj}表示只包含学者vj的集合，Nb(i)和Nb(j)分别表示学者vi和学者vj的相邻学者，与学者vi有合作关系的其他学者称为学者vi的相邻学者；
计算两个相邻学者间的直接相似度，计算公式如下：



其中DS(i,j)为学者vi与vj之间的直接相似度，用于表示学术合作网络中相邻学者之间的相似程度；AS(i,j)为学者vi与vj之间的属性相似度，用于表示学术合作网络中两个学者之间的属性相似程度；AS(i)为学者vi与所有相邻学者的属性相似度总和；Degree(r)为与学者vr有直接关联关系的学者总和；
计算两个不相邻学者间的间接相似度，计算公式如下：



其中IS(i,j)为学者vi与学者vj间的间接相似度，用于表示学术合作网络中不相邻学者间的相似程度，num＝min(DS(i,i1),DS(i1,i2),...,DS(in,j))，num表示由学者vi到学者vj的路径中所有相邻学者间直接相似度的最小值，dtmax为设定的阈值，dti,j为学者vi与学者vj之间的路径长度；
计算学术合作网络G＝＜V,E,HG＞中两个学者vi和vj之间的相似度S(i,j)，计算公式如下：



其中S(i,j)用于表示学术合作网络中学者vi与vj间的相似度，DS(i,j)为学术合作网络中学者vi与vj之间的直接相似度，IS(i,j)为学术合作网络中学者vi与vj间的间接相似度；
计算每条边的边适应度，用于表示学术合作网络中两个学者之间关联性的强度，取值越大，两个学者关联性越强，计算公式如下：



其中，EFij表示边ei,j的边适应度，和分别表示边ei,j相对于学者邻域Φi和Φj的边适应度；
计算边ei,j相对于学者邻域Φi的边适应度，计算公式如下：



其中表示边ei,j相对于学者邻域Φi的边适应度，

表示学者邻域Φj内学者间相似度总和，va和vb是学者邻域Φj内的任意两个不同的学者，

表示学者邻域Φj内学者与学者邻域Φi内学者间相似度总和，va是学者邻域Φi内的学者，vb是学者邻...

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