基于分配与分裂的动态社区检测方法技术

基于分配与分裂的动态社区检测方法，涉及复杂网络技术领域，解决现有基于增量的动态社区检测方法受初始网络社区和增量检测过程的影响容易产生误差积累的问题，本方法考虑节点之间的紧密性来检测首个快照网络的社区结构，在后续的快照网络中，为反映网络变化的活动节点分配社区并考虑新生边对社区检测精度的影响定义了增边节点，将分配后的社区结构分裂为多个由增边节点构造的局部社区和其他节点构造的单例社区，使用模块度增益合并优化分裂的社区，从而检测最终的社区结构。本发明专利技术方法能够检测到更高质量的社区结构，在每个真实动态网络的最后一个快照中，与其他方法相比，本发明专利技术方法减少了增量方法的误差累积，获得了最高的Q值。的Q值。的Q值。

【技术实现步骤摘要】
基于分配与分裂的动态社区检测方法


[0001]本专利技术涉及复杂网络
，具体涉及一种基于分配与分裂的动态社区检测方法。

技术介绍

[0002]社区结构检测是社交、生物、交通等复杂网络研究中的一个基本问题。其中，社交网络中的社区检测可以挖掘用户的热门话题进行网络舆情控制。由于动态社交网络中节点之间频繁的相互作用，不同演化行为对社区结构会有一定的影响。因此研究人员提出了大量动态社区检测方法，其中广泛使用的检测方法分为静态检测方法、基于优化的检测方法和基于增量的检测方法。
[0003]在静态检测方法中，由于动态网络中不同快照网络的社区检测相对独立，因此在检测过程中前一个快照网络所包含的有价值信息的社区结构会被忽略。为了考虑历史社区结构的影响，基于优化的检测方法将社区检测转化为一个单一或多目标的优化问题。虽然此类方法考虑了历史社区信息的影响，但迭代优化目标是一个耗时的过程。而基于增量的方法由于只需考虑网络中发生变化的节点和边，极大地提高了动态网络中的社区检测效率，也保证了社区演化的平滑性。但是，随着网络的演化，错误的历史信息也会不断积累，因此增量式社区检测结果的准确性会逐渐下降。

技术实现思路

[0004]本专利技术为解决现有基于增量的动态社区检测方法受初始网络社区和增量检测过程的影响容易产生误差积累的问题，提供一种基于分配与分裂的动态社区检测方法。
[0005]一种基于分配与分裂的动态社区检测方法，该方法由以下步骤实现：
[0006]步骤一、设定动态网络用网络序列G＝{G0,G1,
…
,G
t
,
…
,G
T
]表示；其中G
t
＝(V
t
,E
t
)为时间t上的快照网络，t＝0,1,
…
,T；
[0007]V
t
＝{u
t
|u＝1,2,
…
,n}为快照网络G
t
中n个节点的集合；
[0008]为快照网络G
t
中m条边的集合，所述为从节点u
t
到节点vt
的
边，其中
[0009]CS＝{CS0,CS1,
…
,CS
t
,
…
,CS
T
}为网络序列G的社区结构，其中}为网络序列G的社区结构，其中为快照网络G
t
的k个社区；
[0010]步骤二、采用基于公共邻居聚类熵节点相似性的静态社区划分方法实现快照网络G0的自动社区检测获得社区结构CS0，在CS
t
‑1中移除从G
t
‑1到G
t
所消失的节点并将其作为G
t
的初始社区结构
[0011]步骤三、确定活动节点集
[0012]对于每个节点u
t
，连接社区的内外边之差大于零的节点称为活动节
点并构建活动节点集为
[0013]步骤四、识别G
t
中的活动节点集将活动节点集中的每个活动节点从中移除并为其分配社区，获得社区结构
[0014]步骤五、对步骤四获得的社区结构进行合并优化，获得第一阶段社区结构
[0015]步骤六、确定增边节点集
[0016]对于每个节点u
t
‑1∈V
t
‑1，若节点u
t
‑1的度值从G
t
‑1到G
t
发生变化，节点u
t
则被称为变更节点，V
C
＝{u
t
|d(u
t
‑1)≠d(u
t
)}为变更节点集，d(u
t
‑1)和d(u
t
)分别为节点u
t
‑1和u
t
的度值；
[0017]设定边为新生边，节点u
t
和节点v
t
属于变更节点集V
C
和社区节点u
t
则被称为增边节点所述增边节点集为用下式表示为：
[0018][0019]式中，为从G
t
‑1到G
t
的新生边；
[0020]步骤七、确定局部社区
[0021]当增边节点时，将增边节点与其同属于增边节点集的邻居节点合并形成局部社区，定义增边节点在t时刻的局部社区为用下式表示为：
[0022][0023]式中，为增边节点的邻居节点集合；
[0024]步骤八、确定单例社区C
t
_Sig(u
t
)；
[0025]对于社区中的节点则为节点u
t
创建一个单独的社区，所述单例社区C
t
_Sig(u
t
)为：
[0026][0027]步骤九、根据步骤七获得的局部社区和步骤八获得的单例社区C
t
_Sig(u
t
)，将第一阶段的社区结构中的社区进行分裂再合并优化获得最终社区结构CS
t
。
[0028]本专利技术的有益效果：
[0029]本专利技术所述的方法考虑节点之间的紧密性来检测首个快照网络的社区结构，在后续的快照网络中，为反映网络变化的活动节点分配社区并考虑新生边对社区检测精度的影响定义了增边节点，将分配后的社区结构分裂为多个由增边节点构造的局部社区和其他节点构造的单例社区，使用模块度增益合并优化分裂的社区，从而检测最终的社区结构。
[0030]将本专利技术基于分配与分裂的动态社区检测方法和其他社区检测方法所得到的评价指标NMI和Q值进行对比，可以看到，本专利技术方法在人工合成动态网络中随着社区合并和
分裂事件数量的增加，能够检测到更高质量的社区结构，在每个真实动态网络的最后一个快照中，与其他方法相比，本专利技术方法减少了增量方法的误差累积获得了最高的Q值。
附图说明
[0031]图1为本专利技术所述的基于分配与分裂的动态社区检测方法的步骤示意图。
[0032]图2为本专利技术所述的活动节点示意图。
[0033]图3为本专利技术在相邻快照网络中的社区结构示意图。
[0034]图4为本专利技术在具有不同合并和分裂事件的LFR500网络中不同算法的NMI和Q值对比示意图。其中：(a)为社区结构的合并与分裂演化事件中merge＝3，split＝3的NMI的效果图；(b)为社区结构的合并与分裂演化事件中merge＝5，split＝5的NMI的效果图；(c)为社区结构的合并与分裂演化事件中merge＝10，split＝10的NMI的效果图；(d)为社区结构的合并与分裂演化事件中merge＝3，split＝3的Q值效果图；(e)为社区结构的合并与分裂演化事件中merge＝5，split＝5的Q值效果图；(f)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分配与分裂的动态社区检测方法，该方法由以下步骤实现：步骤一、设定动态网络用网络序列G＝{G0，G1，...，G
t
，...，G
T
}表示；其中G
t
＝(V
t
，E
t
)为时间t上的快照网络，t＝0，1，...，T；V
t
＝{u
t
|u＝1，2，...，n}为快照网络G
t
中n个节点的集合；为快照网络G
t
中m条边的集合，所述为从节点u
t
到节点v
t
的边，其中CS＝{CS0，CS1，...，CS
t
，...，CS
T
}为网络序列G的社区结构，其中}为网络序列G的社区结构，其中为快照网络G
t
的k个社区；步骤二、采用基于公共邻居聚类熵节点相似性的静态社区划分方法实现快照网络G0的自动社区检测获得社区结构CS0，在CS
t
‑1中移除从G
t
‑1到G
t
所消失的节点并将其作为G
t
的初始社区结构步骤三、确定活动节点集对于每个节点u
t
，连接社区的内外边之差大于零的节点称为活动节点并构建活动节点集为步骤四、识别G
t
中的活动节点集将活动节点集中的每个活动节点从中移除并为其分配社区，获得社区结构步骤五、对步骤四获得的社区结构进行合并优化，获得第一阶段社区结构步骤六、确定增边节点集对于每个节点u
t
‑1∈V
t
‑1，若节点u
t
‑1的度值从G
t
‑1到G
t
发生变化，节点u
t
则被称为变更节点，V
C
＝{u
t
|d(u
t
‑1)≠d(u
t
)}为变更节点集，d(u
t
‑1)和d(u
t
)分别为节点u
t
‑1和u
t
的度值；设定边为新生边，节点u
t
和节点v
t
属于变更节点集V
C
和社区节点u
t
则被称为增边节点所述增边节点集为用下式表示为：式中，为从G
t
‑1到G
t
的新生边；步骤七、确定局部社区当增边节点时，将增边节点与其同属于增边节点集的邻居节点合并形成局部社区，定义增边节点在t时刻的局部社区为用下式表示为：式中，为增边节点的邻居节点集合；步骤八、确定单例社区C
t
_Sig(u
t
)；对于社区中的节点则为节点u
t

【专利技术属性】
技术研发人员：姜万昌，张晓茜，刘丹妮，王圣达，郭健，
申请(专利权)人：东北电力大学，
类型：发明
国别省市：