一种基于信息动力学的动态社团检测方法技术

本发明专利技术公开了一种基于信息动力学的动态社团检测方法，包括以下步骤：S1、初始社团识别：S11、输入无向网络图G＝(V，E)；S12、初始化网络中每个节点v的信息I

【技术实现步骤摘要】
一种基于信息动力学的动态社团检测方法
本专利技术涉及信息传播领域，尤其涉及一种基于信息动力学的动态社团检测方法。
技术介绍
社团结构是复杂网络最为显著的结构特征，网络中的顶点可以自然地划分为多个分组，同一分组内部顶点之间的连接比较稠密，而位于不同分组的顶点之间的边则相对稀疏，其中每一分组即为一个“社团”。在复杂网络中，社团往往对应于网络的功能单元。例如，WWW网络中相同主题的Web页面分组；蛋白质分子相互作用网络中的功能模块，新陈代谢网络中的代谢通道；社会网络中拥有共同特征的一组人，如科学家合作关系网络中研究方向相同的科学家组成的研究团队，恐怖网络中的恐怖组织等。检测网络的社团结构，可以透过结构特征探索、推断、预测网络及相关组件的功能，可以识别网络的性能瓶颈，改善网络的性能，提升网络的服务质量，还可以探索网络的演化机制以及动力学行为。因此，社团检测的研究不仅具有重要的理论研究意义，而且具有很强的实际应用价值。与静态网络不同的是动态网络随着时间的变化其结构也在不断的演变。动态网络中的节点和边都可能随着时间而产生或消失，同时也导致网络中的社团结构产生不断的变化。动态网络中社团结构的变化状态主要包括有：新社团的产生、社团增长、社团收缩、社团合并、社团分划、社团消亡。现有的动态网络社团检测方法其结构均较为复杂，并且其在检测某个时间片的社团结构时只能依次对单个时间片进行检测，其计算复杂性较高，计算步骤较为繁琐，严重影响了动态社团的检测效率。
技术实现思路
本专利技术目的是针对上述问题，提供一种降低复杂度、提高检测效率的基于信息动力学的动态社团检测方法。为了实现上述目的，本专利技术的技术方案是：一种基于信息动力学的动态社团检测方法，包括以下步骤：S1、初始社团识别：S11、输入无向网络图G＝(V，E)；S12、初始化网络中每个节点v的信息Iv,计算节点间的杰卡德相似系数Suv和连接强度Huv；S13、计算节点v的邻居节点平均相似度Avg_S(v)和平均度Avg_D(v)；S14、使用信息动力学模型模拟网络中节点间信息动力学交互过程，直到达到平衡状态；S15、根据各节点间的信息量进行社团划分，有相同信息量的邻居节点划分到同一社团，信息不同的节点划分到不同的社团；S16、输出初始社团C；S2、增量式社团检测；S21、提取发生改变的子图ΔGi；S22、检测子图ΔGi对应的社团ΔCi；S23、计算未发生改变的社团C′i-1；S24、计算时间片Ti的社团Ci；S25、重复步骤S21到S24，直到所有时间片Ti检测完毕。进一步的，所述步骤S12中初始化网络中节点v的信息Iv时计算公式为：其中，DV是节点的度，Dmax是无向网络G的最大度。进一步的，所述步骤S12中计算节点间杰卡德相似系数Suv的公式为：其中，Γ(u)是节点u的邻居节点的集合且包含节点u，Γ(v)是节点v的邻居节点的集合且包含节点v。进一步的，所述步骤S12中计算节点间连接强度Huv的公式为：其中，Tu是节点u拥有的三角形的数量，N(u)是节点u的邻居节点的集合但不包含节点u，N(v)是节点v的邻居节点的集合但不包含节点v。进一步的，所述步骤S14中利用信息动力学模型进行循环迭代模拟节点间的信息传播，当任意邻居节点间传播的信息量小于阈值时，则认为网络中节点间信息传播达到平衡态，结束循环。进一步的，所述信息动力学模型根据信息的传播概率、传播量和信息损耗来构建；所述信息的传播概率计算公式为：其中，为节点ui和v之间信息传播概率，N(v)是节点v的邻居节点的集合但不包含节点v，ui∈N(v)，为节点ui和v的Jaccard相似系数；为了模拟真实的传播过程，按概率选择相邻节点进行传播，设RN(v)为选择用于传播的节点集，其定义如下：其中，表示每个节点被选择的概率间隔，的定义如下：其中，ω是节点v的邻居节点数，即|N(v)|＝ω；所述信息的传播量计算公式为：Iu→v＝f(Iu-Iv)SuvHuv；其中，Iu→v为节点v从其邻居节点u获得的信息量，u∈RN(v)，Suv是节点u和v的Jaccard相似系数，Huv是节点v与节点u的连接强度；f(·)是一个耦合函数，表示在节点u和v之间传播的信息量；耦合函数f(·)的定义如下：所述信息的损耗量计算公式为：I(u→v)_cost＝λf(Iu-Iv)*(1-Suv)；其中，I(u→v)cost表示信息损耗量，λ是信息损失的程度，其定义如下：所述信息动力学模型进行循环迭代时，节点v随时间变化的信息动力学方程定义如下：It+1＝It+Iin；其中，It+1表示时间步t+1时刻的更新信息，其由上一时间步It的信息加上t+1时间步从其邻居节点获得的新信息Iin获得，Iin的定义如下：其中，(Iu→v-I(u→v)_cost)≥0。进一步的，所述步骤S21中发生改变的子图ΔGi包括增加节点、删除节点、增加边和删除边；增加节点的集合表示为：其中，Vi表示网络Gi中的节点集，Vi-1表示网络Gi-1中的节点集；删除节点的集合表示为：其中，Vi表示网络Gi中的节点集，Vi-1表示网络Gi-1中的节点集；增加边的集合为：其中，Ei表示网络Gi中边的集合，Ei-1表示网络Gi-1中边的集合；删除边的集合为：其中，Ei表示网络Gi中边的集合，Ei-1表示网络Gi-1中边的集合。进一步的，所述步骤S22中检测子图ΔGi对应的社团ΔCi时重复步骤S11到S15。进一步的，所述步骤S24中社团Ci的计算公式为：Ci＝C′i-1+ΔCi；其中，C′i-1为未发生改变的社团，ΔCi为发生改变的子图ΔGi对应的社团。与现有技术相比，本专利技术具有的优点和积极效果是：本专利技术提出了基于信息动力学的动态社团检测框架，该框架首先识别初始时间窗口的社团结构，然后增量的检测后续时间窗口的社团结构。由于该框架采用批处理形式计算各时间片网络中结构可能发生改变的局部子图，因此，其具有较快的处理速度。由于动态网络中发生改变的只是少量局部的子图，所以子图中的信息交流可以快速的到达收敛状态。该方法的后续时间片的时间复杂度为O(|ΔEi|+L·|ΔVi|·ki)，由于变化的边数ΔEi，节点数ΔVi，平均度ki及迭代次数L都较小，因此检测速度很快，可以用于大规模网络。本专利技术采用动态LFR模型生成网络和真实网络进行了综合的实验评估。实验结果表明，该方法能够较好的识别动态网络中的社团结构，在大多数网络上优于其他检测方法。附图说明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，下面将对实施例或本文档来自技高网...

【技术保护点】
1.一种基于信息动力学的动态社团检测方法，其特征在于：包括以下步骤：/nS1、初始社团识别：/nS11、输入无向网络图G＝(V，E)；/nS12、初始化网络中每个节点v的信息I

【技术特征摘要】
1.一种基于信息动力学的动态社团检测方法，其特征在于：包括以下步骤：
S1、初始社团识别：
S11、输入无向网络图G＝(V，E)；
S12、初始化网络中每个节点v的信息Iv，计算节点间的杰卡德相似系数Suv和连接强度Huv；
S13、计算节点v的邻居节点平均相似度Avg_S(v)和平均度Avg_D(v)；
S14、使用信息动力学模型模拟网络中节点间信息动力学交互过程，直到达到平衡状态；
S15、根据各节点间的信息量进行社团划分，有相同信息量的邻居节点划分到同一社团，信息不同的节点划分到不同的社团；
S16、输出初始社团C；
S2、增量式社团检测；
S21、提取发生改变的子图ΔGi；
S22、检测子图ΔGi对应的社团ΔCi；
S23、计算未发生改变的社团Ci-1；
S24、计算时间片Ti的社团Ci；
S25、重复步骤S21到S24，直到所有时间片Ti检测完毕。


2.如权利要求1所述的基于信息动力学的动态社团检测方法，其特征在于：所述步骤S12中初始化网络中节点v的信息lv时计算公式为：
其中，DV是节点的度，Dmax是无向网络G的最大度。


3.如权利要求2所述的基于信息动力学的动态社团检测方法，其特征在于：所述步骤S12中计算节点间杰卡德相似系数Suv的公式为：



其中，Γ(u)是节点u的邻居节点的集合且包含节点u，Γ(v)是节点v的邻居节点的集合且包含节点v。


4.如权利要求3所述的基于信息动力学的动态社团检测方法，其特征在于：所述步骤S12中计算节点间连接强度Huv的公式为：



其中，Tu是节点u拥有的三角形的数量，N(u)是节点u的邻居节点的集合但不包含节点u，N(v)是节点v的邻居节点的集合但不包含节点v。


5.如权利要求4所述的基于信息动力学的动态社团检测方法，其特征在于：所述步骤S14中利用信息动力学模型进行循环迭代模拟节点间的信息传播，当任意邻居节点间传播的信息量小于阈值时，则认为网络中节点间信息传播达到平衡态，结束循环。


6.如权利要求5所述的基于信息动力学的动态社团检测方法，其特征在于：所述信息动力学模型根据信息的传播概率、传播量和信息损耗来构建；
所述信息的传播概率计算公式为：



其中，为节点ui和v之间信息传播概率，N(v)是节点v的邻居节点的集合但不包含节点v，ui∈N(v)，为节点ui和v的Jaccard相似系数；<...

【专利技术属性】
技术研发人员：孙泽军，
申请(专利权)人：平顶山学院，
类型：发明
国别省市：河南;41