一种基于云计算的网络社区检测方法及系统技术方案

本申请实施例公开了一种基于云计算的网络社区检测方法及系统，涉及网络社区检测技术领域，本申请实施例包括以下步骤：步骤S1，获取待检测的目标社交平台上的初始用户关系；步骤S2，将初始用户关系输入进贝叶斯混合网络中，在云计算环境下使用模糊均值调度算法和贝叶斯混合网络检测加权网络中的重叠社区，进行社区的重叠性调度；步骤S3，使用社区检测算法计算各个初始用户关系中各个节点的节点重要性，找到各个节点所在的社区中心，完成对多路网络的社区检测。本发明专利技术在检测效率和准确度方面相比现有算法有明显的提升，能有效实现对复杂网络重叠社区的检测，抗干扰性较好。抗干扰性较好。抗干扰性较好。

【技术实现步骤摘要】
一种基于云计算的网络社区检测方法及系统


[0001]本申请涉及网络社区检测
，尤其涉及一种基于云计算的网络社区检测方法及系统。

技术介绍

[0002]随着社交网络中数据的爆炸性增长，网络中的特征建模与分析越来越重要，其中最有价值的结构特征是网络中的社区结构，对复杂网络进行社团结构挖掘可以揭示复杂网络的特性。
[0003]社区是指各种密集的子模块，之间存在着稀疏的连边关系，而同一社区内的节点之间的连接关系往往更为紧密，即社区是高度互连的节点集合，社区边缘的连边相对稀疏。网络中的社区结构检测在真实场景下有着巨大的应用价值，例如病毒式营销的追溯、传染病预防和推荐系统相似人群识别等。现有多数社区检测算法试图利用网络拓扑结构数据来检测社区划分。但是，在真实的社交网络中有着严格的隐私和保护政策，获取完整的网络拓扑结构是不可行的，这就直接影响了现有算法的性能和扩展性。除此之外，这些基于网络拓扑结构的方法难以捕获社区节点之间的行为特征、偏好兴趣等动态数据，而这些特征对于社区结构的分析又是十分重要的。
[0004]云计算的高效性、高可靠性、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云计算的网络社区检测方法，其特征在于，包括以下步骤：步骤S1，获取待检测的目标社交平台上的初始用户关系；步骤S2，将初始用户关系输入进贝叶斯混合网络中，在云计算环境下使用模糊均值调度算法和贝叶斯混合网络检测加权网络中的重叠社区，进行社区的重叠性调度；步骤S3，使用社区检测算法计算各个初始用户关系中各个节点的节点重要性，找到各个节点所在的社区中心，完成对多路网络的社区检测。2.根据权利要求1所述的一种基于云计算的网络社区检测方法，其特征在于，所述步骤S1包括：所述初始目标关系为社交平台内的用户关系，包括但不限于好友关系、同事关系、工作关系、家人关系。3.根据权利要求1所述的一种基于云计算的网络社区检测方法，其特征在于，所述步骤S1还包括：将初始用户关系的复杂网络设为一个无向图，用邻接矩阵去存储无向图的拓扑结构。4.根据权利要求1所述的一种基于云计算的网络社区检测方法，其特征在于，所述步骤S2包括：步骤S21，使用贝叶斯混合网络中的节点表示用户特征信息；步骤S22，分别表示复杂网络重叠社区分布的项目集和用户集；步骤S23，采用邻接矩阵表示重叠社区对用户的发现结果，在同态条件属性下进行贝叶斯混合网络重叠社区检测的用户行为特征检测，根据数据元组中结点是否连接判断潜在变量关系；步骤S24，计算重叠社区用户行为特征数据的频域分布，完成社区的重叠性调度。5.根据权利要求4所述的一种基于云计算的网络社区检测方法，其特征在于，所述步骤S22包括：用I＝{i1，i2，
…
，in}和U＝{u1，u2，
…
，um}分别表示贝叶斯混合网络重叠社区分布的项目集和用户集；在社区的重叠性子空间S和Q中，S表示贝叶斯混合网络重叠社区的模糊训练集解向量，由元素{s1,s2,
…
,sn}构成，Q表示贝叶斯混合网络重叠社区的模糊训练集解向量，由元素{...

【专利技术属性】
技术研发人员：李西，黄彦，兰冯军，严文斌，
申请(专利权)人：成都智优数创信息科技有限公司，
类型：发明
国别省市：