发现网络社区结构方法及系统技术方案

本发明专利技术公开了发现网络社区结构方法及系统。涉及人工智能领域，其中，方法通过获取构建的网络模型，然后对网络模型进行适应度优化得到优化结果，将优化结果转换为网络层次的社区结构。由于现实社会中的多层复杂网络模型各层次间存在一定相关性，且不同层次的社区结构显著性差异较大，因此利用复杂网络模型各层之间的相关性进行适应度优化，根据优化结果实现多层复杂网络模型不同网络层社区结构的协同检测，不需要事先指定社团总数，具有通用性和稳定性的特点。

Method and system of discovering network community structure

【技术实现步骤摘要】
发现网络社区结构方法及系统
本专利技术涉及人工智能领域，尤其是涉及一种发现网络社区结构方法及系统。
技术介绍
现实世界中存在各种各样的复杂网络模型，例如社交关系网络、计算机网络、电力系统网络、交通网络以及生物分子网络等，因此研究复杂网络的拓扑结构和性质对促进相关领域的技术进步具有重要作用，一般来说构建网络模型来表征现实世界个体关系，网络模型中的一个社区定义为网络模型中一些节点的集合，这些节点之间的连接紧密，而不同社区节点之间的连接稀疏。发现复杂网络隐藏的社区结构不仅有助于分析网络的拓扑结构，实现高维网络模型的分块和降维，还有助于一系列与网络模型相关的实际问题的解决，例如：推荐系统、地图导航等软件的相关算法的设计都离不开网络社区结构的发现。但是现有的构建复杂网络模型进行社区发现的方案多是从单层角度分析多层网络社区结构，忽略了层次间的相关性，或者直接将网络按照一个整体进行处理，忽视了单层网络之间的特殊性。传统网络社区发现方法有：层次聚类法、谱估计法、派系过滤法、随机游走法以及基于网络动力学的方法等。这些算法虽然在一定程度上解决了问题，但是仍然存在较多缺陷，例如需要事先指定网络社团个数、稳定性差、难以分析多层网络等。因此需要针对现实中的多层网络模型，提出一种具有通用性和稳定性，利用复杂网络模型各层之间的相关性以及单层网络特殊性发现网络社区结构方法。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种发现网络社区结构方法，能够针对现实中的多层网络模型，利用复杂网络模型各层之间的相关性发现网络社区结构。第一方面，本专利技术的一个实施例提供了：一种发现网络社区结构方法，包括：获取构建的网络模型；对所述网络模型进行适应度优化得到优化结果；将所述优化结果转换为网络层次的社区结构。进一步地，构建所述网络模型时，利用向量表征所述网络模型每一个网络层社区结构，所述向量的元素表示所述网络层中每个节点所属的社区编号。进一步地，所述对所述网络模型进行适应度优化得到优化结果包括：利用头脑风暴优化算法进行适应度优化得到优化结果。进一步地，所述适应度优化的过程包括：根据所述网络模型生成初始种群，并进行种群初始化；将初始化后的种群进行种群分组构成子种群，所述子种群用于执行所述网络模型的其中一个网络层的社区发现；生成新个体，并将所述新个体加入所述子种群；计算每个所述子种群中个体的适应度值并更新所述子种群；选取每个子种群中适应度值最大的个体作为所述子种群的优化结果。进一步地，当所述新个体是从一个子种群中生成的，则在所述子种群中加入所述新个体；当所述新个体是从一个以上子种群中生成的，则根据选取原则从生成所述新个体的子种群中选择一个子种群加入所述新个体。进一步地，更新所述子种群包括：计算得到所述子种群中每个个体的适应度值并进行适应度值排序；按照适应度值排序结果选取与所述子种群的种群规模数量相同的个体更新所述子种群。进一步地，所述将所述优化结果转换为网络层次的社区结构包括：将所述优化结果的向量中值相同的元素对应的节点划分为同一个社区，获得对应的社区结构。本专利技术实施例至少具有如下有益效果：利用复杂网络模型各层之间的相关性进行适应度优化，根据优化结果实现多层复杂网络模型不同网络层社区结构的协同检测，不需要事先指定社团总数，具有通用性和稳定性的特点。第二方面，本专利技术的一个实施例提供了:一种发现网络社区结构系统，包括：获取模块：用于获取构建的网络模型；优化模块：用于对所述网络模型的每一个网络层进行适应度优化得到优化结果；转换模块：用于将所述优化结果转换为对应网络层的社区结构。第三方面，本专利技术的一个实施例提供了：一种发现网络社区结构设备，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器；其中，所述处理器通过调用所述存储器中存储的计算机程序，用于执行如第一方面任一项所述的方法。第四方面，本专利技术的一个实施例提供了：一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如第一方面任一项所述的方法。本专利技术实施例的有益效果是：本专利技术实施例通过获取构建的网络模型，然后对网络模型进行适应度优化得到优化结果，将优化结果转换为网络层次的社区结构。由于现实社会中的多层复杂网络模型各层次间存在一定相关性，且不同层次的社区结构显著性差异较大，因此利用复杂网络模型各层之间的相关性进行适应度优化，根据优化结果实现多层复杂网络模型不同网络层社区结构的协同检测，不需要事先指定社团总数，具有通用性和稳定性的特点。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1是多层网络结构示意图；图2是本专利技术实施例中发现网络社区结构方法的一具体实施例流程示意图原理示意图；图3是本专利技术实施例中发现网络社区结构方法的一具体实施例原理示意图；图4是本专利技术实施例中发现网络社区结构方法的一具体实施例一种具体流程图；图5是本专利技术实施例中发现网络社区结构系统的一具体实施例结构框图。具体实施方式为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对照附图说明本专利技术的具体实施方式。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。现实世界中存在着大量的关系网络，其中有由物组成的网络，如宏观层面的道路交通网络、通信网络、车辆网络、电力网络等，以及微观层面的分子网络。也包括由人组成的网络，如社交网络等，这些网络都可以用复杂网络来表征与建模。从某种意义上说，世界就是由各种各样的复杂网络构成的。需要指出的是，这些现实世界中的网络都存在一定程度的社区结构，而发现这些社区结构对解决与网络相关的实际问题具有很大帮助。实施例一：本专利技术实施例一提供一种发现网络社区结构方法。用于分析具有多本文档来自技高网...

【技术保护点】
1.一种发现网络社区结构方法，其特征在于，包括：/n获取构建的网络模型；/n对所述网络模型的每一个网络层进行适应度优化得到优化结果；/n将所述优化结果转换为网络层次的社区结构。/n

【技术特征摘要】
1.一种发现网络社区结构方法，其特征在于，包括：
获取构建的网络模型；
对所述网络模型的每一个网络层进行适应度优化得到优化结果；
将所述优化结果转换为网络层次的社区结构。


2.根据权利要求1所述的一种发现网络社区结构方法，其特征在于，构建所述网络模型时，利用向量表征所述网络模型每一个网络层社区结构，所述向量的元素表示所述网络层中每个节点所属的社区编号。


3.根据权利要求1所述的一种发现网络社区结构方法，其特征在于，所述对所述网络模型的每一个网络层进行适应度优化得到优化结果包括：利用头脑风暴优化算法进行适应度优化得到优化结果。


4.根据权利要求3所述的一种发现网络社区结构方法，其特征在于，所述适应度优化的过程包括：
根据所述网络模型生成初始种群，并进行种群初始化；
将初始化后的种群进行种群分组构成子种群，所述子种群用于执行所述网络模型的其中一个网络层的社区发现；
生成新个体，并将所述新个体加入所述子种群；
计算每个所述子种群中个体的适应度值并更新所述子种群；
选取每个子种群中适应度值最大的个体作为所述子种群的优化结果。


5.根据权利要求4所述的一种发现网络社区结构方法，其特征在于，当所述新个体是从一个子种群中生成的，则在所述子种群中加入所述新个体；当所述新个体是从一个以上子种群中生成的，则...

【专利技术属性】
技术研发人员：吕超，史玉回，孙立君，
申请(专利权)人：南方科技大学，
类型：发明
国别省市：广东;44