【技术实现步骤摘要】
本专利技术涉及一种Web2. O下信息交互平台中的社区挖掘，特别是一种运用多目标优化理论的社区发现方法，属于社会网络
技术介绍
以自由开放共享为核心精神的Web 2. O使得广大网民成为互联网的主角，以博客网络、社交网络、wiki网络等为代表的信息网络已经深入到人们的工作、学习等各种活动中。如何从这些复杂的关系网络挖掘出有价值的结构模式已成为互联网的研究热点，Web社区发现研究就是其中热门话题之一。虽然Web社区的严格定义还不存在，但是我们可以松散地将其定义为具有某种共 同特征的相互连接的Web信息载体集合，例如，隶属于某个特定主题的Web页面集合，由具有某种共同兴趣爱好的微博者组成的微群，等等。从网络拓扑结构来看，一个网络社区就是一个网络图的稠密连通子图，在这个子图内的节点之间连接密度高于子图内部节点与外部节点的连接密度。网络社区发现研究正吸引着来自物理学、生物学、社会学与计算机科学等不同领域学者的关注，近年来涌现出大量的方法。网络社区发现本质上就是基于网络链接的聚类学习，该聚类问题是一个与图最优划分等价的NP难问题，非凸最优化问题的一种有效解法是基于生物启...
【技术保护点】
一种基于多目标优化的Web社区发现方法，其特征在于：应用于Web2.0下的社交网络，包括以下步骤：步骤1）、设置专利技术方法的算法相关参数：粒子群规模，粒子位置和速度的范围与维度，粒子群惯性因子，邻域半径及外部存档最大容量，MOPSO算法的最大迭代次数；步骤2）、对于给定Web信息网络中的所有节点进行编号，通过对每个节点的邻居根据其编号进行排序来构造邻居有序表；？步骤3）、采用基于节点邻居有序表的编码方法初始化粒子群，粒子群中的个体粒子产生方法如下：初始化一个长度为网络节点数的向量，该向量中的第i位分量取值为区间[1,？NLL]中的一个随机整数，NLL为邻居有序表中的中心节...
【技术特征摘要】
1.一种基于多目标优化的Web社区发现方法，其特征在于应用于Web2. O下的社交网络，包括以下步骤 步骤I)、设置发明方法的算法相关参数粒子群规模，粒子位置和速度的范围与维度，粒子群惯性因子，邻域半径及外部存档最大容量，MOPSO算法的最大迭代次数； 步骤2)、对于给定Web信息网络中的所有节点进行编号，通过对每个节点的邻居根据其编号进行排序来构造邻居有序表； 步骤3)、采用基于节点邻居有序表的编码方法初始化粒子群，粒子群中的个体粒子产生方法如下初始化一个长度为网络节点数的向量，该向量中的第i位分量取值为区间[1，NLL]中的一个随机整数，NLL为邻居有序表中的中心节点i对应的邻居列表长度； 步骤4)、通过MOPSO算法实现寻优Pareto最优解集元素所对应的网络社区结构。2.根据权利要求I所述的基于多目标优化的Web社区发现方法，其特征在于，所述的步骤4)包括 步骤 4-1)、 计算 粒子 适应 度向 量 ,3.根据权利要求2所述的基于多目标优化的Web社区发现方法，其特征在于，所述的步骤4-3)包括 步骤4-3-1)、将当前迭代过程产生的网络社区划分方案集合CurBestP中的每个网络社区划分方案6与存储Pareto历史最优解的队列中的每个粒子对应的社区结构进行Pareto关系比较，若社区结构# Pareto支配社区结构则在执行#入队与A删除操作； 步骤4-3-2)、将当前迭代过程产生的网络社区划分方案集合CurBestP中的每个网络社区划分方案#与队列jfts中的每个粒子对应的社区结构Pi进行Pareto关系比...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。