发明名称 一种基于层次聚类的复杂网络社区划分方法
摘要 一种基于层次聚类的复杂网络社区划分方法,从全局中心节点建立初始社区,再根据联系紧密程度一层一层地扩展社区,最后把一些过小的社区融合到大社区中。初始化社区过程为:选取度数最大的k个节点,按照节点的相似度合成若干个社区。扩展社区过程首先标记所有节点的层数,然后根据节点与社区的链接强度把节点分到相应的社区中。融合小社区过程首先要确定小社区的大小,计算小社区中的每个节点v的相邻节点与每个大社区C的公共节点个数,将v重新划分到公共节点数最大的社区中。选取最优结果过程要做10次试验,根据扩展模块度选出最终结果。本发明不需要预先知道社区数目,时间复杂度为O(m),可以处理大型复杂网络,提高了社区划分的准确度。
申请公布号 CN104361235A 申请公布日期 2015.02.18
申请号 CN201410650818.8 申请日期 2014.11.15
申请人 北京航空航天大学 发明人 殷传涛;朱帅兵;张笑颜;吴念念;管明辉
分类号 G06F19/00(2011.01)I 主分类号 G06F19/00(2011.01)I
代理机构 北京科迪生专利代理有限责任公司 11251 代理人 成金玉;孟卜娟
主权项 一种基于层次聚类的复杂网络社区划分方法,其特征在于:包括初始化社区、扩展社区、融合小社区以及选取最优结果四个过程,从全局中心节点建立初始社区,再根据联系紧密程度一层一层地扩展社区,最后把一些过小的社区融合到大社区中;所述初始化社区过程为:在复杂网络中,与节点相连的所有节点的个数称为该节点的度数,将复杂网络中的所有节点按照节点的度数降序排列,选取度数最大的k个节点,再将度数最大的节点划分到第一个社区,并作为第一个社区的中心节点,计算剩下k‑1个节点中的每个节点v与每个社区C的中心节点w的相似度,当相似度大于某个阈值η时,将节点v划分到社区C中,否则将节点v作为新社区的中心节点;所述扩展社区过程为:初始化社区后,标记所有节点的层数,初始化社区过程中选中的节点作为第1层,将所有与第n层节点相连的未标记层数的节点标记为第n+1层节点,n为大于0的自然数,直到所有节点被标记,扩展初始社区的第n层,对标记为第n层的每个节点v,计算节点v与每个社区C的链接强度,若节点v与社区C的链接强度最大,将节点v划分到社区C中,直到所有节点都分到某个社区中;所述融合小社区过程为:若一个社区包含的节点数目小于t=max{5,max{|C<sub>i</sub>|}/10},则称其为小社区,其中max表示最大值,max{|C<sub>i</sub>|}表示复杂网络中所有社区的节点数目的最大值;扩展社区后,需要把小社区融合到大社区中;计算小社区中的每个节点v的相邻节点与每个不是小社区的社区C的公共节点个数,若节点v的相邻节点与社区C的公共节点个数达到最大,将节点v重新划分到社区C中;所述选取最优结果过程为:对初始化社区过程中的相似度阈值η从0.1到1,以0.05‑0.1作为步长,重复上述三个过程做10‑20次试验,对每一次试验的划分结果计算扩展模块度eQ,选取使得eQ最大的划分结果作为最终划分结果。
地址 100191 北京市海淀区学院路37号