通过局部距离和节点秩优化函数的社交网络社区发现系统技术方案

本发明专利技术提出了一种通过局部距离和节点秩优化函数的社交网络社区发现系统，包括数据获取模块、拉普拉斯节点矩阵计算模块、网络社交节点值计算发现模块、社区优化模块和展示模块；数据获取模块的数据输出端与拉普拉斯节点矩阵计算模块的数据输入端相连，拉普拉斯节点矩阵计算模块的数据输出端与网络社交节点值计算发现模块的数据输入端相连，网络社交节点值计算发现模块的数据输出端与社区优化模块的数据输入端相连，社区优化模块的数据输出端与展示模块的展示数据端相连。本发明专利技术首先考虑了节点自传递问题。其次，提出的方法综合考量了边权值问题，能够有效表示出整个社交网络的特征结构。第三，在处理多比例最优化问题上，本发明专利技术的优化函数能有效找到最优的社区结构。最后本发明专利技术与其他方法相比，具有更好的性能。

【技术实现步骤摘要】
通过局部距离和节点秩优化函数的社交网络社区发现系统
本专利技术涉及一种社交网络
，特别是涉及一种通过局部距离和节点秩优化函数的社交网络社区发现系统。
技术介绍
在过去的二十年中，互联网发展全球化进程的提速，数据网络在人类社会中的地位变得愈来愈重要，研究人员对复杂网络的研究也越来越感兴趣。在大自然中，复杂网络形式多样，由相互影响相对独立的社区组成。例如，社交网络、生物网络、经济网络、信息网络等等。社区结构是复杂网络的重要拓扑属性，所以社区发现在复杂网络分析和数据挖掘等研究中具有重要意义。这种属性使社区发现更好地分析复杂网络并提取有用的信息并应用于各个领域，例如文本分析，个性推荐系统，用户标识，流行病传播，行为预测。尽管已经有很多关于社交网络社区发现的文章，在网络中，每个集群中包含的节点之间必须以某种方式彼此关联，而不是与集群外部的节点相关，从而形成一个社区。因此大多数研究人员都认为，社区的特征是社区节点之间紧密连接以及与社区外部的节点稀疏连接。自从Girvan和Newman创性的工作以来，已经提出了许多用于复杂网络中社区检测的算法，其中最为典型算法，例如模块度优化算法，标签传播算法，贪心算法，随机游走算法，谱划分算法，模糊算法。
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，特别创新地提出了一种通过局部距离和节点秩优化函数的社交网络社区发现系统。为了实现本专利技术的上述目的，本专利技术提供了一种通过局部距离和节点秩优化函数的社交网络社区发现系统，包括数据获取模块、拉普拉斯节点矩阵计算模快、网络社交节点值计算发现模块、社区优化模块和展示模块；数据获取模块的数据输出端与拉普拉斯节点矩阵计算模块的数据输入端相连，拉普拉斯节点矩阵计算模块的数据输出端与网络社交节点值计算发现模块的数据输入端相连，网络社交节点值计算发现模块的数据输出端与社区优化模块的数据输入端相连，社区优化模块的数据输出端与展示模块的展示数据端相连；数据获取模块用于获取网络社交节点数据集；拉普拉斯节点矩阵计算模块用于对数据获取模块中获取的网络社交节点数据集进行拉普拉斯归一化处理；得到拉普拉斯节点矩阵；网络社交节点值计算发现模块用于根据网络社交的内部距离和外部距离，计算得到网络社交节点值：若网络社交节点值大于或者等于预设网络社交节点值，则发现网络社交社区；若网络社交节点值小于预设网络社交节点值，则重新发现网络社交社区；社区优化模块用于对网络社交节点值计算发现模块中发现的网络社交社区进行优化；展示模块用于将社区优化模块或/和网络社交节点值计算发现模块中得到的网络社交社区进行展示。在本专利技术的一种优选实施方式中，在拉普拉斯节点矩阵计算模块中对获取的网络社交节点进行拉普拉斯归一化处理计算方法为：其中，D表示节点度矩阵；表示未归一化的拉普拉斯矩阵；A表示邻接矩阵。在本专利技术的一种优选实施方式中，在拉普拉斯节点矩阵计算模块中拉普拉斯节点矩阵中元素值的计算方法为：其中，deg(vi)表示节点i的度；deg(vj)表示节点j的度；vi表示节点i；vj表示节点j；表示拉普拉斯节点矩阵中第i行第j列的元素值。在本专利技术的一种优选实施方式中，在网络社交节点值计算发现模块中网络社交的内部距离的计算方法为：其中，Lsym表示拉普拉斯节点矩阵；表示节点集合Vk的邻接矩阵；G表示社交网络；Vk表示节点集合；k＝1,2,3,...,K；dinternal(G,Vk)表示网络社交的内部距离。在本专利技术的一种优选实施方式中，在网络社交节点值计算发现模块中网络社交的外部距离的计算方法为：其中，Lsym表示拉普拉斯节点矩阵；表示V-Vk的邻接矩阵；表示节点集合Vk的邻接矩阵；V表示节点分区集合；V＝{V1,V2,V3,...,VK}；G表示社交网络；Vk表示节点集合；k＝1,2,3,...,K；dexternal(G,Vk)表示网络社交的外部距离。在本专利技术的一种优选实施方式中，在网络社交节点值计算发现模块中网络社交节点值的计算方法为：其中，Vk表示节点集合；k＝1,2,3,...,K；V表示节点分区集合；V＝{V1,V2,V3,...,VK}；dinternal(G,Vk)表示网络社交的外部距离；dexternal(G,Vk)表示网络社交的内部距离；SLDL(G,V)表示网络社交节点值。在本专利技术的一种优选实施方式中，在网络社交节点值计算发现模块中节点集合Vk的邻接矩阵的计算方法为：其中，Vk表示节点集合；k＝1,2,3,...,K；V表示节点分区集合；V＝{V1,V2,V3,...,VK}；vx表示节点x；x＝1,2,3,...,N；vy表示节点y；y＝1,2,3,...,N。在本专利技术的一种优选实施方式中，在网络社交节点值计算发现模块中节点集合V-Vk的邻接矩阵的计算方法为：其中，Vk表示节点集合；k＝1,2,3,...,K；V表示节点分区集合；V＝{V1,V2,V3,...,VK}；vx表示节点x；x＝1,2,3,...,N；vy表示节点y；y＝1,2,3,...,N。在本专利技术的一种优选实施方式中，在社区优化模块中对发现的网络社交社区进行优化的方法为：其中，Vk表示节点集合，k＝1,2,3,...,K；V表示节点分区集合；V＝{V1,V1,V1,...,VK}；vi表示节点i；:表示在……情况下，有……；V[vi]表示节点i属于节点集合V[vi]；vj表示节点j；Aij表示邻接矩阵A中的第i行第j列元素值；若成立，则保留节点集合V[vi]；若不成立，则舍去节点集合V[vi]。在本专利技术的一种优选实施方式中，还包括性能度量模块，其性能度量模块中的性能度量的计算方法为：其中，m表示连接节点边的总数；Aij表示邻接矩阵A中的元素值；Fij表示任意连接i、j两个节点的边的比例；其中，deg(vi)表示节点i的度；deg(vj)表示节点j的度；vi表示节点i；vj表示节点j；或/和还包括Jaccard系数模块，其Jaccard系数模块中的Jaccard系数的计算方法为：其中，VM为最佳社区结构；V0为参考向量；J(VM,V0)表示Jaccard系数；当VM和V0都为空时，J(VM,V0)＝1；或/和还包括Error指数模块，Error指数模块中的Error指数计算方法为：其中，VM′为V的结构特征；V0′为V0的结构特征；E(VM′,V0′)表示Error指本文档来自技高网...

【技术保护点】
1.一种通过局部距离和节点秩优化函数的社交网络社区发现系统，其特征在于，包括数据获取模块、拉普拉斯节点矩阵计算模快、网络社交节点值计算发现模块、社区优化模块和展示模块；/n数据获取模块的数据输出端与拉普拉斯节点矩阵计算模块的数据输入端相连，拉普拉斯节点矩阵计算模块的数据输出端与网络社交节点值计算发现模块的数据输入端相连，网络社交节点值计算发现模块的数据输出端与社区优化模块的数据输入端相连，社区优化模块的数据输出端与展示模块的展示数据端相连；/n数据获取模块用于获取网络社交节点数据集；/n拉普拉斯节点矩阵计算模块用于对数据获取模块中获取的网络社交节点数据集进行拉普拉斯归一化处理；得到拉普拉斯节点矩阵；/n网络社交节点值计算发现模块用于根据网络社交的内部距离和外部距离，计算得到网络社交节点值：/n若网络社交节点值大于或者等于预设网络社交节点值，则发现网络社交社区；/n若网络社交节点值小于预设网络社交节点值，则重新发现网络社交社区；/n社区优化模块用于对网络社交节点值计算发现模块中发现的网络社交社区进行优化；/n展示模块用于将社区优化模块或/和网络社交节点值计算发现模块中得到的网络社交社区进行展示。/n...

【技术特征摘要】
1.一种通过局部距离和节点秩优化函数的社交网络社区发现系统，其特征在于，包括数据获取模块、拉普拉斯节点矩阵计算模快、网络社交节点值计算发现模块、社区优化模块和展示模块；
数据获取模块的数据输出端与拉普拉斯节点矩阵计算模块的数据输入端相连，拉普拉斯节点矩阵计算模块的数据输出端与网络社交节点值计算发现模块的数据输入端相连，网络社交节点值计算发现模块的数据输出端与社区优化模块的数据输入端相连，社区优化模块的数据输出端与展示模块的展示数据端相连；
数据获取模块用于获取网络社交节点数据集；
拉普拉斯节点矩阵计算模块用于对数据获取模块中获取的网络社交节点数据集进行拉普拉斯归一化处理；得到拉普拉斯节点矩阵；
网络社交节点值计算发现模块用于根据网络社交的内部距离和外部距离，计算得到网络社交节点值：
若网络社交节点值大于或者等于预设网络社交节点值，则发现网络社交社区；
若网络社交节点值小于预设网络社交节点值，则重新发现网络社交社区；
社区优化模块用于对网络社交节点值计算发现模块中发现的网络社交社区进行优化；
展示模块用于将社区优化模块或/和网络社交节点值计算发现模块中得到的网络社交社区进行展示。


2.根据权利要求1所述的通过局部距离和节点秩优化函数的社交网络社区发现系统，其特征在于，在拉普拉斯节点矩阵计算模块中对获取的网络社交节点进行拉普拉斯归一化处理计算方法为：



其中，D表示节点度矩阵；

表示未归一化的拉普拉斯矩阵；
A表示邻接矩阵。


3.根据权利要求1所述的通过局部距离和节点秩优化函数的社交网络社区发现系统，其特征在于，在拉普拉斯节点矩阵计算模块中拉普拉斯节点矩阵中元素值的计算方法为：



其中，deg(vi)表示节点i的度；
deg(vj)表示节点j的度；
vi表示节点i；
vj表示节点j；

表示拉普拉斯节点矩阵中第i行第j列的元素值。


4.根据权利要求1所述的通过局部距离和节点秩优化函数的社交网络社区发现系统，其特征在于，在网络社交节点值计算发现模块中网络社交的内部距离的计算方法为：



其中，Lsym表示拉普拉斯节点矩阵；

表示节点集合Vk的邻接矩阵；
G表示社交网络；
Vk表示节点集合；k＝1,2,3,...,K；
dinternal(G,Vk)表示网络社交的内部距离。


5.根据权利要求1所述的通过局部距离和节点秩优化函数的社交网络社区发现系统，其特征在于，在网络社交节点值计算发现模块中网络社交的外部距离的计算方法为：



其中，Lsym表示拉普拉斯节点矩阵；

表示V-Vk的邻接矩阵；

表示节点集合Vk的邻接矩阵；
V表示节点分区集合；V＝{V1,V2,V3,...,VK}；
G表示社交网络；
Vk表示节点集合；k＝1,2,3,...,K；
dexternal(G,Vk)表示网络社交的外部距离。


6.根据权利要求1所述的通过局部距离和节点秩优化函数的社交网络社区发现系统，其特征在于，在网络社交节点值计算发现模块中网络社交节点值的计算方法为：

【专利技术属性】
技术研发人员：刘小洋，丁楠，吴松阳，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：重庆;50