基于马太效应的社团检测方法技术

本发明专利技术公开了基于马太效应的社团检测方法，涉及信息科学技术领域，所述方法包括：输入由节点和边构成的网络G；对所述网络G进行初始化，将每个节点划分为一个独立的社团；计算所述网络G的核心分组；采用迭代方法在马太效应模型中模拟马太效应过程；判断网络结构是否达到最优划分；若未达到最优，则再次进行马太效应的迭代模拟；若达到最优，则进行社团划分，获得社团划分结果。

【技术实现步骤摘要】
基于马太效应的社团检测方法
本专利技术涉及信息科学
，特别涉及基于马太效应的社团检测方法。
技术介绍
社团结构在中观尺度上反映了网络的结构特性，且其广泛存在于真实网络中。社团也常称为社区(community)、簇(cluster)、组(group)等。由于复杂网络的多样性和社团结构本身的复杂性，目前对于复杂网络的社团结构没有形成统一、明确的定义。通常认为社团是一组节点的集合，组内节点之间连接更加紧密，组间节点之间连接稀疏。社团检测为分析复杂网络结构特征、研究其组织功能、挖掘其潜在联系提供了一条重要的途径。此外，社团检测在计算机科学、生物信息学、社会学、经济学和流行病学等多个学科和领域都有着广泛的应用。例如，它可以用来发现组织群体，并在社交网络中提供个性化服务。在电子商务网络中，社团检测可以用于智能推荐和精准营销。在犯罪和反恐网络中，它可以用来寻找犯罪团伙。另外还可以用来优化互联网中的路由表，发现蛋白质之间的紧密联系，分析引文网络中作者之间的合作关系。因此，研究和设计高效、准确的社团结构检测方法具有重要意义。r>迄今为止，已经从本文档来自技高网...

【技术保护点】
1.基于马太效应的社团检测方法，其特征在于，包括以下步骤：/nS1：输入由节点和边构成的网络G；/nS2：对所述网络G进行初始化，将每个节点划分为一个独立的社团；/nS3：计算所述网络G的核心分组；/nS4：采用迭代方法在马太效应模型中模拟马太效应过程；/nS5：判断网络结构是否达到最优划分；/nS6：若未达到最优，则再次进行马太效应的迭代模拟；若达到最优，则进行社团划分，获得社团划分结果。/n

【技术特征摘要】
1.基于马太效应的社团检测方法，其特征在于，包括以下步骤：
S1：输入由节点和边构成的网络G；
S2：对所述网络G进行初始化，将每个节点划分为一个独立的社团；
S3：计算所述网络G的核心分组；
S4：采用迭代方法在马太效应模型中模拟马太效应过程；
S5：判断网络结构是否达到最优划分；
S6：若未达到最优，则再次进行马太效应的迭代模拟；若达到最优，则进行社团划分，获得社团划分结果。


2.如权利要求1所述的基于马太效应的社团检测方法，其特征在于，所述步骤S2中的划分社团的步骤为：
S21：以每个节点的节点号作为标签；
S22：每个节点被划分为一个独立的社团。


3.如权利要求1所述的基于马太效应的社团检测方法，其特征在于，所述步骤S3利用节点吸引力公式计算所述网络G的核心分组，计算步骤如下：
S31：计算节点间的Jaccard相似系数：
给定无向网络G＝(V，E)，节点u和v的Jaccard相似系数定义为:



其中ΓU＝N(u)∪{u}，ΓU是节点u的一组邻居，包括节点u及其直接连接的节点；
S32：计算节点吸引力：
给定无向网络G＝(V，E)，节点u对节点v的吸引力定义为：
NAv→u＝Juv*Du(2)
其中Juv表示节点u和v之间的Jaccard相似系数，D...

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