CN101278257A - 用于分布式社区发现的方法和装置 - Google Patents

Abstract

用于在复杂网络中发现社区的问题的新的方法的方法和装置，该复杂网络涉及社区的社会定义以及出现了逾渗。代替自顶向下将图形分割成分离的子图，我们提出了到顶部的局部算法(每个顶点的社区)，其允许社区重叠。合成的随机生成的图形和现实世界的网络上的算法的性能用于校准其它方法。提供了直观推断，以使用局部社区发现算法来生成网络的社区列表。与基于扩散的算法不同，所提供的算法发现重叠的社区并且提供用于测量社区结构的保密性的手段。其特征在于局部性以及探索网络节点的子集的社区的低复杂性，而不用探索整个图形。

Description

用于分布式社区发现的方法和装置

技术领域

本发明的领域通常涉及用于分析关系系统的方法，其中在关系系统中节点具有局部交互或者链接，并且特别地涉及用于分析链接数据库的方法。

背景技术

可以将大多数信息数据库和知识库视为包括通过不同的关系来限定的彼此交互的对象的类。这些对象的类以及它们的关系还可以随时间而改变，以提供交互模式的动态图。因此，基于对象以及他们的关系的可用的元信息，可以针对动态复杂网络获得知识的主体，其中节点表示属于不同对象类的实体或者对象，并且链接表示相关的节点经由特定类型的关系进行关联的事实。例如，在朋友关系信息数据库中，节点对应于个体，并且链接对应于两个个体彼此认识的事实。为了获得几乎所有信息库中的复杂性质和内在细微差别，必须对链接的数据库或网络表示进行适当地注释。例如，在朋友关系信息的情况下，每个节点将具有其所代表的个体相关的信息(例如，年龄、性别、种族、位置、爱好、职业等等)，并且必须用属性，例如关系的性质(例如，浪漫的、工作相关的、爱好相关的、家庭、一起上学等等)，和关系的强度(例如，频繁联系等)，来限定每个链接。

上述链接的数据库或者信息网络可以容易地变得非常大规模，包括数以百万的节点和链接。例如，万维网(www)包括这种类型的网络，其可能有数十亿个节点和链接以及用于限定连接了节点或URL的链接的复杂关系。这种网络的大规模和时变性质使得它们成为动态复杂网络，并且它们的大小妨碍了对这种网络的直接和复杂的挖掘和查询。最常见的策略是建立结构化的数据库，其源于承载网络，并且随后用现有的工具来有效地查询这些结构化的数据库。然而，这些索引数据库仅仅捕获承载网络的特定片断或者投影，并不提供对于不直接符合所提取的用于创建数据库的片断的查询的答案。一个很好的例子是Google所提供的服务：给定关键字，其将具有指定的关键字的网页提供给个人，并且根据它们的相关性或者重要性来进行排序；页面的相关性和重要性是通过其在全球www中的位置来确定的，即，有多少其它“重要的”页面指向它等等。然而，如果人们想要询问，例如，公司的web展示(web presence)是什么，该公司报告哪种类型的个体和新闻组织，以及它们表示谁，以及如果它们对于该公司是相关的或重要的，则没有容易的关键字能获得这个信息；并且人们必须使用不同的关键字来执行无遗漏的搜索，紧接着进行后台处理，以便推断这种信息。尽管如此，人们可能仅获得直接向该公司报告的那些个体和组织，并且将难以获得与这些直接报告者密切相关的其他个体和组织。显然，这种信息嵌入在承载网络中，但是不能经由基于关键字的搜索来访问。不清楚人们如何解决这个问题以及有效地提取这种信息。

最近，在这个方向取得了一些进展，并且人们已经开始探索复杂网络或图形中的所谓“社区”。潜在动机来自于事实上我们通常通过研究个体所属的社区来深入了解该个体。这种“社区”的概念直到现在才完全结构化，并且不同的研究者在其文献中使用不同的社区概念。然而，公共的线索在于理解到结构化的社区是节点的集合，其中该集合的节点彼此之间的交互比与网络中的其它节点更多。

直到最近，仅研究了在图形分割环境中如何在复杂网络中寻找社区的问题。目前的方法[1、12、15、21]对如何通过优化网络的模块性分割来识别社区和探索社区提供了新的启示。这些方法受到扩散理论的启发，用高介数(betweenness)来修剪边，以便从顶至底分割图形，以获得有凝聚性的社区。

寻找网络的社区结构以及识别多个密切相关的顶点的集合在各种领域都有大量的应用。在并行计算、VLSI CAD、常规网络、数字图书馆以及朋友关系的社会网络的环境中使用了不同的方法。长时间以来人们都对寻找图形的分割的问题很感兴趣。首先于1970年提出了K-L(Kernighnan-Lin)算法，用于二等分VLSI布局图，以实现负载均衡。已经使用了图谱分割法(Spectral Partitioning)[14]来分割稀疏矩阵。还提出了分层聚类法(hierarchical clustering)[18]，以寻找内聚的社会社区。尽管这些算法对于特定分割的图形执行得很好，但是它们无法探索和识别通用复杂网络的社区结构。它们尤其需要社区的数量和它们的大小来作为输入。

提出了多个分裂的(divisive)和凝聚的(agglomerative)聚类算法。这些算法大多数受到扩散理论概念的启发，将社区的边界识别为具有高介数的边和节点。尽管对于网络中的社区或组没有标准的定义，但是使用所提出的基于组的社会构成和交互的定义[19]。类似于[9]的Radicchi等人[15]按照强弱来定义社区。如果每个节点在某社区中比在其它图形中具有更多的连接，则该子图是强社区。类似地，如果子图中所有度数的和大于对于其它网络的所有度数的和，那么该子图是弱社区。[7]中使用了类似的定义来将web社区定义为网页的集合，从而每个会员页面在该社区中比在社区外具有更多的超链接(沿任意方向)。受到组的社会定义的启发，Girvan和Newman[9]提出了分裂的算法，其使用若干个边介数定义来修剪网络边并且将网络分割成若干个社区。这个算法对于具有m个边和n个顶点的任意网络具有非常高的计算复杂度O(m²n)。更快速的算法是基于介数的，并且[12]提出了类似的思想[12、15、21]和模块化测度，以测量社区的质量。[4]报告了对于[12]的更快速的实现，以更快速地运算：O(md log n)，其中d是用于描述网络的社区结构的系统树图的深度。

使用局部算法的快速社区寻找算法可以助于分析非常大规模的网络并且在复杂网络识别和分析应用中被证明是非常有用的。这些方法应用于多个不同的应用，包括社会网络[13]、生物网络[3、17]和软件网络[11]。

然而，所提出的方法无法识别重叠的社区以及节点属于社区的强度有多大。它们还需要对于网络的全局认识，以生产该网络的特定子集的社区。Hueberman等人[21]注意到GN算法可以对于网络结构高度敏感，并且可以导致在网络结构中具有微扰的不同解决方案。作为一种解决方案，他们提出了这些算法的随机化的版本，以实现社区结构中的健壮性和保密性。但是该算法仍然是中心化的，并且需要对于网络的全局认识。数字分散算法是基于随机游走[10]的，或者基于1-外壳扩散[1]的。这些算法提出了用于识别复杂网络的社区结构的局部方法。

所提出的方法具有缺点，包括以下：

需要全局知识。提出的方法需要对于网络结构的全局知识，即，他们需要知道网络的全局结构，以便发现节点以及它们周围的特定子集的社区结构。这对于大规模网络尤其重要，在大规模网络中人们通常对特定节点或者节点集合的社区感兴趣。

不能处理重叠社区。提出的社区寻找方法仍然只寻找内聚的子组。[19]，即，它们将网络分割成社区，并且提供社区结构的系统树图。注意，诸如LS的内聚子组和集合λ可以通过共享一些但不是所有成员而不重叠[19][23]。这些集合是通过封装意义来相关的，这个事实意味着在图形中具有一系列集合的层次结构。通常，现实世界的网络不具有内聚的并且独立的聚类，而是具有类似所属关系网络的重叠社区。这种网络是双模式网络，其聚焦于参与者的集合与事件或者社区的集合的所属关系，其中每个事件由可能重叠的社区的子集组成。新的算法随后需要捕获重叠区域。

复杂性。据报告，Newman快速社区寻找[4]的实现以O(md log n)运行，其中d是用于描述社区结构的系统树图的深度。对于许多应用，仅需要寻找与节点的子集相关的特定大小的社区。提出的基于扩散的算法并没有由于它们需要处理整个网络以获得局部结构而缩放。自底向上的局部算法可以提供搜索限制的灵活性。

缺乏保密性。GN算法不为社区中的节点提供任何保密性。[21]中重申了这个问题，但是仍没有定义完全的框架来测量属于社区的节点的保密性。

结构化与信息化的社区：现有的社区寻找算法寻找包括网络中与其他节点相比在自身之中聚类的或者链接得更多的节点的社区。然而，在链接数据库中，具有不同类型的边和节点，并且人们可能对不同关系的社区感兴趣。例如，在朋友关系网络中，我们可能仅对基于浪漫的和家庭的关系的社区感兴趣。在这种情况下，我们处理感兴趣的子网络，其中仅保留用于表示这种关系的边并且删除其它边。类似地，人们可以询问仅用于一个时间段的社区结构或者局限于地理位置的集合中的那些社区结构。这些社区可以被称为信息社区。显然，如果人们对于每个节点，想预先计算这种信息社区以及它们的组合、联合和交互，那么将很快击打组合爆炸(combinatorial explosion)墙。这进一步强调了对于寻找基于查询的信息社区的需要。此外，如早先所注意到的，人们可能对特定节点或者节点的集合的信息化社区感兴趣。

发明内容

本发明利用如何在网络中形成社区的局部性质，并且该逾渗(percolation)提供了用于探索和识别局部和分布式重叠社区的手段。更精确地说，这里定义了如下的节点或者节点集合的局部结构化社区，其中所述节点或节点集合(i)在固定逾渗概率的重复尝试之下的“高”时间百分数(用于定义“高”的确切阈值是可调谐的参数)，可以经由来自给定节点的消息的逾渗来到达该节点或该节点集合，以及(ii)对于逾渗概率的某个范围，集合的大小保持固定。这种结构化的社区中的节点的强度是对于逾渗消息到达社区有多频繁以及用于获得该社区的逾渗概率的测度。例如，如果将逾渗概率设置为1，那么人们可以到达整个网络，假设该网络形成单连接的组成部分；所以到达节点所需要的概率越高，社区中的节点的强度应该越低。根据本发明，通过以各种概率执行来自节点集合的逾渗并且确定它们的交互和重叠，人们可以确定节点集合的局部结构化社区。

如下所述，通过逾渗理论和逾渗阈值来支持局部社区的以上定义的相关性；此外，如我们的结果中所示，这个定义包含用于定义文献中的社区的常用标准。感兴趣的特定主题是这里利用给定节点的k跳邻居的概念来定义的社区的关系。在后者中，确定可以在节点的k跳内所能到达的所有节点。对于局部社区的这种定义的潜在问题在于，在大多数复杂网络中，人们将以很少跳到达几乎所有节点，并且以例如2或3跳所到达的节点的数量非常大。并不是所有这些节点都与所感兴趣的节点相关。根据逾渗消息来定义社区的方法如后所示是健壮的，并且可以涉及到各种科学、工程和社会科学分支中的社区的概念。

现在可以将局部结构化社区的这个概念总结为包括局部信息化社区的构造。在信息化社区中人们仅想要包括或者强调他们所感兴趣的那些关系。通过执行加权逾渗，将其结合在根据本发明的框架中：当对消息进行逾渗时，根据该消息所在的节点所关联的权重以及分配给链接的权重，来对将该消息发送到边的概率进行修改。这允许人们针对具体属性来提取节点或者节点集合所属的社区。例如，如果人们对基于具体的时间段根据节点与其他节点的交互来获得该节点的社区感兴趣，那么一种方式是将零权重分配给所有不属于该时间段的节点和边，即，在该兴趣段期间内不创建或者不存在这些节点和边。还可以注意到，局部结构化社区的概念是局部信息化社区的特殊情况，即，当用相同的权重来对待所有节点和边时。因此，如上所述，在权力要求书以及本发明的其它部分中，我们用术语局部社区来表示局部信息化社区。

从数据库开始，可以通过识别元信息来创建数据库，该元信息例如，用于定义所产生的网络中的节点的数据的特征、关系，以及用于定义连接节点(定点)的链接(边)的关系的权重。

根据本发明，通过查询识别一个或者多个种子节点，并且将一个或者多个权重给予多种边和节点，并且有可能对每个边和节点给予不同的权重，来处理链接的数据库。通过应用基于逾渗的算法，以及，尤其是如以下详细描述中所述的键逾渗(bond percolation)算法，可以探索网络中的顶点的结构化邻居，并且识别用于组成他们的结构化邻居的社区。此外，可以定义节点对社区的关系的强度。

进一步根据本发明，可以沿着多种平面来分割根据本发明的处理结果。可以，例如用文本分析器，来检查社区，以定义社区中的节点或者链接的特点，或者概念或概念的集合，以确定社区成员中的公共性。通过将更高的权重给予来自高强度节点的关键字，可以进一步改进这个分析，其中该高强度节点是通过它们在社区中心的位置来进行识别的。因此，链接和节点都可以调整它们的权重。根据本发明的进一步的处理产生了与用于分配给节点和链接的权重的概念相关的子社区。可以在所希望的尽可能多的迭代中重复这种进一步的处理，以进一步改进社区结构或者以便将该社区分割成所希望的尽可能多的不同的平面。

根据本发明的装置包括用于对根据本发明的基于逾渗的算法进行编码的固件，以及载有用于对根据本发明的基于逾渗的算法进行编码的软件的硬件。

根据本发明的装置还包括用于对根据本发明的基于逾渗的算法进行编码的计算机可读介质。

在本发明的优势之中，能够应用包括节点和链接的权重的用户查询来定制对于用户的目的的处理结果。

在本发明的优势之中，能够识别社区之间的链接和强度，并且探索社区之间的战略关系。(这是GAP部分)。

本发明的进一步的优势是能够提供定制给具体应用的包的预先指定的概念以及权重。

本发明的另一进一步的优势是可以用看门狗功能来实现，以便监视数据库对于用户所选择的参数相关的更新以及向用户警告相关的新信息。

附图说明

图1A-1F示出了对于特定的源或者所有顶点对与从特定顶点开始的逾渗之间的扩散与逾渗比较边的介数。该网络由两个重叠的社区1、……、9和7、……、15组成。图1A示出了两个重叠社区的初始网络。图1B到图1D描述了从顶点1和15开始以及对于所有顶点对的边的介数。边的重叠社区的厚度与它们的介数成比例。到重叠顶点的边被示为具有更高的介数。图1E和图1F示出了来自顶点1和15的逾渗。源顶点的社区之中的顶点具有更多所返回的消息。

图2A-2B示出当识别社区结构时，所连接的组成部分的大小将相对恒定。对于不同的逾渗概率，测量所连接的组成部分的大小。如图2A和图2B所述，分别从顶点1和15开始逾渗。

图3描述了基本网络模型。图形G是随机ER图形，其中用概率p₀来连接任意顶点对。子图Γ组成社区中的顶点，在该社区中所述顶点享有公共的兴趣或主题，并且从而具有更高的连接概率p_Γ。

图4A-4B描述了社区网络模型。图形G还是随机ER图形，其中用概率p₀来连接任意顶点对。子图Γ₁和Γ₂组成具有公共的兴趣或主题的顶点，并且从而具有更高的连接概率，分别为p_Γ1和P_Γ2。如图4B中所示，社区可以重叠，即，具有公共的或者不相交的顶点。

图5A-5B示出了合成的随机图形模型。图5A示出了使用根据本发明的算法和GN快速社区发现算法[9]，对于跨社区的多个边来正确地分类顶点的百分数。如所期望的，图5B示出了当社区之间的边的数量接近社区内的边的数量时，GN算法无法检测到社区，而根据本发明的算法检测到社区。

图6A-图6C示出了在随机生成的重叠社区上使用局部社区发现算法。包括GN算法的传统分割算法无法识别该重叠并且将公共顶点分割给其中一个社区。逾渗社区发现对重叠的社区和节点进行识别。在图6A中，示出了初始的随机生成的社区，仅在一个社区中的顶点分别为蓝色和亮蓝色。属于两个社区的顶点为黄色。其余的顶点为灰色。图6B描述了GN算法的社区发现结果。将重叠的节点分割给其中一个社区。将错误分类的顶点用红色圈起来。图6C示出了逾渗社区发现结果。两个社区的重叠中的顶点属于两个社区。顶点的大小与它们在社区中的强度成正比。通过构建，该社区是非常同质的。错误分类的顶点用红色圈起来。

图7A-7D示出了在管理器(1)和指示器(33)以及高度数节点(34)上的局部社区发现算法的操作。所检测到的节点为蓝色，并且节点的大小与它们属于该社区的强度成正比。在图7A中，对于初始的Zachary karate联合网络，蓝色的节点最终分裂成管理器社区，而黄色的节点紧跟该管理器。图7B描述了节点1的社区发现。图7C描述了节点33的社区发现。图7D描述了节点34的社区发现。

图8描述了社区发现算法发现了两个主要社区和5个其它更小的重叠社区。

图9A-9G示出了社区。图9A示出了使用根据本发明的算法所发现的顶级社区以及示出了五个更小的社区。强度大于0.20的节点为蓝色。蓝色节点的大小正比于它们属于该社区的强度。以下详细描述了具有多个重叠的社区。图9A示出了具有通过根据本发明的算法所发现的指示器社区的社区1。图9B示出了具有通过根据本发明的算法所发现的管理器社区的社区4。由于它们连接两个社区，所以结合有一些重叠节点，包括节点34。由于其仅具有到节点1的单连接，所以其还不包括节点12，并且其不是该社区的真实部分。这是这里所包括的社区的定义与其它定义之间的重要差异。图9C、图9D、图9E、图9F和图9G分别描述了社区2、3、5、6和7。

图10A-10C描述了流程图。图10A描述了根据本发明的归纳的系统流程图，而图10B描述了根据本发明的归纳的系统体系结构。图10C描述了根据本发明的内核体系结构模型。

图11A-11C示出了针对专利数据库的应用的系统流程图。图11A描述了通用的系统流程图。图11B示出了在根据本发明的算法的应用之前的转移流程。图11C示出了应用了根据本发明的算法的转移流程。

具体实施方式

在具体实施方式中，描述了根据本发明的基于逾渗理论的局部算法。然后还将局部社区发现归纳为用于检测和探索复杂网络的社区结构的算法。此后，对于使用不同的随机生成的网络和文献中所采用的现实世界的网络的算法，公开了基准，以估计社区发现算法的性能。

实例1

逾渗社区发现算法

在这节中采用了社区的社会定义，用于表示与之前的基于扩散的算法相比，逾渗识别了给定顶点的社区。接下来，说明该算法在ER随机图形上的实质与性能。

A、再访的社会社区

尽管其它定义也对于图形的分割提供了重要的启示，但是这里选择了更局部的方法。与内聚社区定义不同，Garton等人[8]将社区定义如下。在社会网络分析环境中，组是凭经验发现的结构。通过检查人口成员之间的关系的模式，组作为高度互连的参与者的集合而出现，已知为派系或者簇。在网络分析语音中，它们是密集地接合(大部分概率存在)以及紧密地束缚的，即，大部分相关的纽带位于所定义的网络[18-20]中。社会网络分析随后想要知道谁属于组，以及用于定义和维持这种组的关系的类型和模式。注意到这种定义与Newman及其他人所使用的之前的内聚定义不同，其不同在于，不仅大部分相关纽带应该位于社区中并且节点必须高度互连[19]。还允许社区之间重叠。

B、逾渗：背景

在本发明的实施例中，将键逾渗用作顶点探索和识别它们的结构化邻居的工具。逾渗理论首先用于研究能逾渗的介质中的流体的流动，并且针对通常由扩散理论所主导的问题引入了新的方法。逾渗理论已用于描述介质结构中的随机性和紊乱，而扩散过程归因于确定性结构中的代理的随机运动。类似的概念广泛地用于复杂网络的文献中，以建模和分析网络中的不同现象，例如随机游走以及对于节点和边的失败的网络健壮性。当受到不同因素的影响时，复杂网络的这些非线性动态性质中的许多都经历相移，其中所述不同因素影响系统中结构的交互和代理的运动。

其它的社区发现算法广泛地使用扩散过程和随机游走来定义介数，以及对将网络分割成不同的社区进行识别。根据本发明，使用不同的方法，即逾渗理论，来识别高度聚类的顶点组，该顶点在彼此之间具有密切的纽带。基于扩散的算法是基于观察到在社区边界处的边的边介数[24]很高，因为它们使得能够在不同社区中的节点之间进行通信。图1示出了这个概念，其中边的厚度正比于网络中的所有顶点之间的最短路径介数。很容易看出，尽管容易识别内聚社区的边界，却不能在重叠社区中很好地执行。如图2所示，与执行随机游走相反，改为从某个节点开始逾渗消息，组成连接的组成部分的集合，并且随着逾渗概率增加而组成部分的大小不增加时，查看该组成部分。图1D和图1E示出了分布式逾渗搜索如何将高度聚类的节点返回到顶点，其中节点的大小与返回的逾渗消息的分数成正比。基于随机游走的算法可以视为是宽度优选搜索的随机化版本，而逾渗方法是深度优选搜索的随机化版本。

C、随机图形的性能

对于随机图形中简单社区模型的回顾显示出经验的社会定义与复杂的网络分析之间的关系。高度聚类的ER图形的收集已广泛地用于文献中，以分析社区发现算法[9、12、15]的简单性能。随机图形是用随机方式[2]来定义特性的图形，所述特性例如图形顶点、图形边以及它们之间的连接的数量。对于随机图形的许多单调递增特性，比特定阈值稍小一些的图形极不可能具有该特性，而具有稍多图形边的图形几乎都具有该特性。这被称为相移或者阈值现象。特定的兴趣在于图形的最大连接组成部分的大小。ER图形G(N；p)是具有n个顶点的随机图形，其中每对顶点之间具有边的概率为p，[5、6]。任意两个边的存在是独立事件。

考虑大小为N的随机ER图形，其中每对顶点之间的连接概率是p₀(N)。这可以被视为在逾渗概率为p₀(N)的完整图形上的(键)逾渗。Erdos和Renyi[5、6]示出了当p₀(N)的比例为p₀(N)∝c/N时，连接的组成部分具有感兴趣的特性。取决于c，对于大的N，以下行为发生的概率为一：

I、对于c＜1，最大连接的组成部分的大小是Θ(log(N))。

II、在相移上以及对于c＝1，最大连接的组成部分的大小是Θ(N^2/3)。

III、对于c＞1，出现极大的组成部分并且其具有大小Θ(N)。

备注1：在ER图形G(N；p₀)上的概率为Pp的键逾渗将会导致ER图形G(N；p₀·p_p)

因此，对于概率为p₀的随机生成的图形的临界逾渗概率由p_c＝(c/p₀N)给出，其中c＞1。低于这个概率时，顶点i将属于最大大小Θ(log(N))的连接的组成部分，并且高于阈值时，属于极大的连接组成部分的几乎所有顶点的概率是恒定的，即，对于很大的N任意两个随机选择的具有不趋于零的恒定概率的顶点对之间存在路径。

当(键)逾渗的概率为p时，对于顶点i，将集合S_i ^p定义为包括顶点i的连接的组成部分i。将顶点i的强度为p的社区C_i ^p定义为(j，m)对，其中对于k个迭代中的m个迭代 $j\∈S_i^p,$ 其中m＞k_th。

问题仍然是顶点i如何确定地识别它的社区，即，逾渗强度p的什么值对应于可区别的社区。返回到将社区定义为具有类似的兴趣或者主题并且从而具有更高的连接概率的顶点的集合的社区定义，人们可以观察到当改变逾渗概率时，社区将显现为连接的组成部分。为了对其进行更多的说明，考虑ER图形(大小为N概率为p₀的G(N；p₀))的简单实例。如图3中所示，节点的子集Γ组成大小为M的局部社区，即，每个顶点对的连接概率为p_Γ＞＞p₀。那么，

备注2：对于很大的M和N以及逾渗阈值c/(p₀N)＞＞p_c＞＞c/(p_ΓM)，如果任意两个顶点i和j属于Γ并且小到趋于零，那么它们属于连接的组成部分的概率为一。

由于逾渗阈值高于ER图形Γ的阈值并且低于全局ER图形的逾渗阈值，所以该证明完全遵守特性II。

这意味着对于Γ中的任意顶点i，对于c/(p₀N)＞p＞c/(p_ΓM)，C_i ^p近似为Γ，并且对于p＞c/(p₀N)，包括G的几乎所有顶点。

将该定义归纳到多个重叠的和不重叠的社区，并且调查不同情况下的C_i ^p的行为。考虑大小为N概率为p₀的ER图形以及大小分别为M₁和M₂的子图Γ₁和Γ₂以及连接概率p₁＞＞p₀以及p₂＞＞p₀。定义临界逾渗概率p_ci＝c/(p_iM_i)，i＝1、2。图4A和4B中示出了连接的组成部分的视图，其中对重叠的和不重叠的情况的逾渗概率进行扫描。

对于c/(p₀N)＞p_p＞max(p_c1，p_c2)，逾渗概率高于子图逾渗概率，因此使用备注2，每个社区中几乎所有顶点都是连接的。现在考虑两种情况：

1、如果Γ₁和Γ₂具有重叠，那么相同子图中的任意两个顶点几乎肯定相连。所以在两个社区中的任意两个顶点几乎肯定相连。如果从Γk中的节点开始逾渗，则将从Γk中的节点的迭代得到分数qk，以及自然地，从其它社区中的节点的迭代得到分数q₁q₂。

2、如果Γ₁和Γ₂不重叠，那么在逾渗使从Γ_k中的任意节点到其它节点的概率是不趋于零的常数q_k。那么从一个社区中的节点i到另一个社区中的节点j的概率是1-(1-q₁q₂)^α，其中α是两个社区间期望的边数，并且在这个模型中，近似为α＝M₁M₂P₀。因此如果强度大体上取决于社区之间的边的数量，则所有具有强纽带的任意两个社区还将弱连接。

上述分析预测C_i ^p将在对应于社区的临界概率处具有相移，该分析提供了用于区分没有任何全局信息的社区的局部方法。

局部社区发现

A、算法

用于发现每个顶点的社区的算法包括发送逾渗概率为p_p的逾渗消息，对于某个范围内的p_p组成

并且发现社区大小的突发改变。

1、顶点i发送逾渗概率为p_p的消息，该消息具有唯一ID用于识别迭代；

2、记录响应，并且构成响应的顶点的集合

3、将上诉任务执行k次，并且构成所有响应了大于k_th次的顶点的集合

并且

4、对于某个范围内的p_p计算并且在逾渗概率p_pl处发现

中的突发改变，逾渗概率p_pl将强度为p_pl的社区层l定义为

以上算法基本上发现了具有高聚类并且与源节点具有强纽带的节点，而扩散算法试图识别具有高介数和高的随机游走的流的边，以发现社区的边界。图1比较了基于扩散的算法和基于逾渗的算法。

B、优势

使用基于逾渗的算法比文献中所引入的分裂和凝聚算法具有许多优势。逾渗搜索的分布式和并行特性提供了用于局部探索特定节点的社区的手段，称为它们的结构邻居[16]。通常，在现实世界的网络中，社区不是内聚的并且具有重叠，在这种情况下，基于扩散的方法失败，因为找不到社区的分离的边界。根据本发明的算法探索社区并且识别重叠社区中的顶点。社区结构中另一个感兴趣的特性是顶点属于社区的强度有多大以及社区结构中的保密级别[21]。可以显示出逾渗搜索来通过观察从特定顶点所返回的消息的分数来容易地提供这些统计。图1示出了基于扩散的方法和基于逾渗的方法之间的基本差异。对于具有n个顶点和m个边的网络，其它类型的社区发现算法可以以O(mdlog(n))发现社区结构[4]，其中d是社区系统树图的深度。然而，人们需要处理整个图形，以获得特定节点的社区结构。

社区发现

在前一节我们讨论了用于发现单个顶点的社区的局部和分布式算法。在这节中我们将这个方法归纳为发现通常称为社区系统树图的图形的社区结构。在这种情况下，由于社区可能重叠，所以系统树图不是简单的树。

用于创建社区结构的第一方法是将顶点之间的非对称距离d(i，j)定义为：

$d(i,j)=\left\{\begin{array}{cc}0,& j\∉C_i^{p_{\mathrm{pl}}}\∀l;\\ {\max }_m\left(p_{\mathrm{pm}}\right)& m:j\∈C_i^{p_{\mathrm{pm}}};\end{array}\right.$

那么经典的聚类方法可以用在这个距离矩阵上，以发现节点在社区中的分割。[25]。

由于局部社区发现算法发现了主要社区，利用这个，本发明包括全局社区发现算法，其将个体顶点社区发现结果进行合并。这个算法比之前提出的算法具有若干优势。由于在若干顶点上合并了社区，所以其更健壮。其允许社区的重叠并且自动地清除弱的和不重要的社区。

社区发现算法

n_1，2＝|{(i，m)|(i，m)∈C₁，(i，m′)∈C₂

，m＞0.25m₁，m′＞0.25m₂}|

$n_1=\left|\right\{(i,m)|(i,m)\∈C_1,(i,m^{\′})\∉C_2,m>0.25m_1\}|$

$+\left|\right\{(i,m)|(i,m)\∈C_1,(i,m^{\′})\∈C_2$

$,m>0.25m_1,m^{\′}\≤0.25m_2\left\}\right|$

$n_2=\left|\right\{(i,m)|(i,m)\∉C_1,(i,m^{\′})\∈C_2,m^{\′}>0.25m_2\}|$

$+\left|\right\{i,m\left\}\right|(i,m)\∈C_1,(i,m^{\′})\∈C_2$

$,m\≤0.25m_1,m^{\′}>0.25m_2\left\}\right|$

对于每个社区对(c₁，c₂)。那么我们得到：

其中m_i是社区i被合并的次数。那么将相似性测度ψ_1，2定义为(n_1，2-(n₁+n₂))/(n_1，2+(n₁+n₂))。

1、为网络中的每个顶点i执行局部社区发现算法，以得到对应于逾渗概率p_pl的不同的社区级别

通过 $M={\max \left(m\right)}_{\∀(i,j)\∈C_i^{p_{\mathrm{pl}}},j\≠i}.$ 来对其进行正规化。设(i，m)＝(i，1)。

2、发现具有最大相似度ψ_max＝max_i，jψ_i，j.的社区对C_l和C_k，如果ψ_max＜1/3，则到3。

3、将社区C_l合并入C_k，并且设m_k＝m_k+m_l

4、通过 $(i,m)=\frac{(i,m)}{{\max }_{(k,n)\∈C_k}}\left(n\right)$ 来正规化每个剩余的社区C_k。

结果

为了进一步校准根据本发明的算法，将用于测量之前的社区发现算法[9、12、15]的性能的多个随机生成的图形和社会以及生物网络的结果进行比较。

A、随机生成的网络

将根据本发明的算法应用到两个随机生成的图形的集合。为了校准该算法，使用了[9]中所提出的传统的合成ER图形。然后将随机生成的图形的重叠模型用于演示所提出的算法与分割算法相比较的优势，并且尤其是与[9]中所提出的快速社区发现算法相比的优势。

1、随机的不重叠的社区

生成了大量大小N＝128的图形，并且将其划分成4个大小相等的社区，每个社区具有32个顶点。同一社区中的任意两个顶点的连接概率是p₁，并且不同社区中的任意两个顶点的连接概率是p₀。从而，顶点的期望度数是16。对于不同的社区内的边的值，检查用于发现社区的社区发现算法的性能。图5示出了为某个范围内的社区边，正确地分类的顶点的百分数。用其它算法的相似实验来校准该结果。图5示出了，对于每个顶点的少量平均社区间的边，所提出的算法工作得与GN算法一样好，并且对于大值的社区间的边，由于GN算法无法检测到社区而工作得更好，因为社区内的边的数量和社区外的边的数量相近。根据本发明的算法检测社区的精度更低，因为到社区外的边是在网络中随机分布的，而社区内的边组成了互连得更紧密的顶点的聚类集合。

2、随机重叠的社区

尽管之前的实例对随机图形上的社区发现算法的性能进行了校准，但是通常在实际网络中，社区不像之前的模型中分离得那么好，实际生活的社区具有重叠，即，一些节点对多个社区具有强纽带。所提出的算法由于其局部化的方法，它的一个优势是它可以正确地识别重叠的社区，而传统的分割算法将重叠的顶点分割到一个社区中。GN算法的进一步改进提出通过随机化分割步骤来捕获这种行为[21]。

考虑具有128个顶点的随机生成的图形，平均每个随机顶点具有2个随机边。存在两个大小为37的社区，其中在社区内每个节点平均具有14个随机边。如图6A所示，两个社区还公共具有5个节点。应用GN快速社区发现算法和逾渗社区发现算法。如图6B所示，GN方法将公共顶点分割给其中一个社区，而如图6C所示，根据本发明的方法识别出社区，并且将重叠的顶点包括在两个社区中。使用根据本发明的方法，错误分类了七个节点{44，60，61，77，88，90，102}，而使用GN方法，错误分类了28个节点。

B、Zachary Karate联合

已将根据本发明的局部社区发现算法应用到Zachary Karate联合网络中[22]。在之前的文献[9、12、15]中广泛地使用这个非定向的图形来用于算法校准。Zachary记录了在一个时间段内的Karate联合的成员之间的联系。在该研究中，在所有者和训练者的斗争之后，联合最终分裂成两半。图7中描述了初始的网络和分裂后的分割。将根据本发明的局部社区发现算法应用于网络中的三个重要的节点。见图7，节点1和33分别表示管理器和指示器，并且节点34表示与节点33有密切关系的高度数节点。注意，这里所用的社区的概念不同于[9]的概念，并且因此结果不同。根据本发明的算法在聚类中寻找密切连接的节点。所识别的社区显然具有重叠。节点的大小正比于它们在社区中的强度。图7B示出了对于节点1的局部社区发现。正如我们所期望的，由于节点17不具有与该社区的强纽带，所以将其单独挑出。图7C示出了对于该指示器的局部社区发现结果。由于节点27与该社区没有强社会连接，所以将其单独挑出。同样，挑出节点10、25、26、28、29。图7D示出了节点34的社区，并且其示出其还包括管理器。注意，尽管逾渗概率是对称的，即，节点i和节点j的概率在相同的连接的组成部分中，但是社区中的包含不是对称的，并且节点34不包含在节点1的社区中。原因是，对于这两个节点，社区阈值取决于网络邻居而不同。还应用了社区结构发现算法。识别了七个重叠社区。图8示出了检测到的社区之间的关系的示意图。在图9中表示了两个主要的社区。节点的大小仍表示它们在社区中的强度。该算法能够正确地识别社区并且进一步识别社区中的每个节点的角色和强度。若干节点清楚地位于社区之间的重叠中，因为它们与两个社区都具有弱的纽带。正如我们所期望的，节点1和34在两个社区中，因为它们与两个社区都有密切的社会连接，并且从管理器社区中排除了节点12，因为其仅具有到节点1的单连接。

在本说明书中，公开了用于按照局部化的方式来发现顶点的社区的分布式算法。其探索了具有高度互连的顶点集合的社区的社会定义。将根据本发明的算法归纳为实现网络的社区列表。通过允许社区之间重叠以及网络微扰的健壮性来示出了这个算法的性能如何优于以前的算法。可以利用社区中的强节点具有相似的局部社区的事实来进一步优化本算法，并且因此可以通过去除这些计算冗余来降低该算法的复杂度。

该基本算法的变体包括：

1、从种子节点的集合而不是从单个节点开始

2、不是定义全局和统一的逾渗概率，而是向每个节点i分配0和1之间的权重W_i。还可以向节点i和j之间的每个边分配0和1之间的权重W_i，j。那么每个节点传递消息的逾渗概率不是P_Perc，其传递消息的概率是函数f(P_Perc，W_i，W_i，j)，例如可以是P_Perc*W_i*W_i，j。

3、节点和链接可以具有不同的类型并且每种类型可以具有预定义的权重。

4、对于特定的用户，根据使用模式或概念，可以对不同链接的权重进行训练和调整。例如，对于搜索应用生物学技术的用户，可以减少诸如食品工业的其它概念的节点的权重。

5、可以通过在这个度量上进行快速搜索来优化扫描逾渗概率。

6、社区发现的结果可用于调整链接和节点权重。

本发明具有广泛的适用范围，几乎遍及任意数据的集合。图10A描述了所归纳的根据本发明的方法的归纳的系统流程图。该流程图包括：形成网络，分配不同的权重，以及在网络上执行局部社区发现。通过反馈来改进这个过程，以基于查询、社区结果和/或用户反馈来调整权重和修改节点。图10B示出了系统体系结构参考模型，该系统包括不同的层。从各种操作信息数据库输入元数据，并且将元数据组织以及处理成元数据库。不同的信息获取组成部分用于分析特定应用的数据。客户和web服务利用通用接口来接入企业入口网络，以做出查询并且接收信息获取框架所处理的结构以及改进的信息表达框架。图10C示出了根据本发明的内核体系结构模型，其中元数据库由不同类型数据的分析链接存储所组成，如针对系统体系结构所描述的。可以用不同的插件程序来与结构分析引擎进行交互，以回答查询。使用标准命令/报告API通过web服务来访问系统。

可以将其应用于文档，例如论文、专利、FDA临床实验文档、产品说明、新闻报道、市场分析、分析报告、商业报告信息以及它们的任意组合或排列。还可以将其应用于对万维网、电子邮件和垃圾邮件过滤的分析的应用中。本发明还可以应用于诸如转录调节网络、社会网络和社区之类的生物网络中的模式检测，例如用于军事和国家安全的应用。

在专利中：发现前景，本发明可以用于分析竞争者并且用看门狗功能通过对正在分析的公司、概念和技术的结果进行标记，来监视那些竞争者。图11A示出了专利信息应用中的系统流程图。通过将结果的用户调整反馈到元数据库来改进结果。图11B示出了在应用根据本发明的算法之前的转移流程。图11C示出了通过使用根据本发明的算法对专利分析前景应用的转移流程。

本发明还使得用户能够浏览社区并且用简单的二进制过滤器来调整该结果。在市场分析的应用中，本发明可用于根据竞争者、技术、最新新闻和技术论文和出版物，针对不同的市场部分来提供业务。可以通过检查社区间的关系来发现社区间的空隙，以及竞争者未覆盖的机会。

本发明还可用于发现网站的web邻居，及其在web上的影响和链接以及社区。其还可用于监视邻居随时间的改变。本发明还通过提供用于减少垃圾邮件以及仅传递来自与地点相关的人物的消息的方法来提供邮件和垃圾邮件过滤器。

最近，自发的商业邮件或者垃圾邮件已被认为是电子邮件的普遍问题。本发明提供了更通用的计算机信任框架，其不仅提供对垃圾邮件问题的解决方案，还限制对于信任的个体的邮件访问。新的分布式方法可以基于逾渗理论，该理论使用简单的局部交互来识别计算机空间中单独的用户局部网络信任。日常活动中用推荐和社会连接来识别信任和可靠性。采用相同的社会方法，过滤的电子邮件消息的通信以及限制与社会联系的交互，限制了与局部信任的重叠社区的通信。根据本发明的方法进一步利用社会连接的特性来基于用户的个人电子邮件网络来构建分布式信任web，以同时阻止来自不想要的源的垃圾电子邮件和电子邮件。该算法表示电子邮件通信的新的范例，已证明该电子邮件通信比简单的白名单列表/黑名单列表方法更好。

问题不仅在于垃圾邮件，问题在于用户从用户不认识的人接收到电子邮件。如果电子邮件不是来自人们的联系列表则许多人简单地丢弃该邮件，除非有人通过电子邮件来介绍他们(CC)。可以根据本发明来归纳这种在线推荐的观念，并且使其不可见并且直观。根据本发明的方法可以与Bayesian和基于文本的过滤器组合。

在实现算法之后，本发明将逾渗应用于用户的重叠社区。改变电子邮件的标题，使其包括当前接收者(到)和最终目的地(最终到)。随后一旦接收到电子邮件，如果最终目的地是该用户，则将其传递到用户的收件箱，否则如果当前目的地是我，并且电子邮件的生存时间小于某个阈值I，则以转发概率P将其转发到我的联系列表里的人。这个概率是用户选择的，并且可以定义用户想要定义其电子邮件社区是多么的有限。

算法1 Process-MAIL(Email E)

                                                       

1：if E.F ROM is not in Contact list then

2：   Put E in(High-Probability-Spam)

3：else

4：   if E.FinalTO＝MyAddress then

5：      Put E in INBOX

6：   else

7：      if TTL＜Threshold then

8：         for all ContactAddress in ContactList do

9：           RandomVal＝RANDOM-GEN01()；

10：          if RandomVal＜ForwardingProbability then

11：             SENDMAIL(FinalTo:E.FinalTo.

                 From:MyAddress，

                 To:ContactAddress)

12：           end if

13：         end for

14：       end if

15：     end if

16：   end if

       contacts.

                                                       

其中SENDMAIL(FinalTo，From，To)发送具有TO、FROM和FinalTo的适当标题的电子邮件。

可以用分布式的形式或者集中化的形式，通过对大的电子邮件提供商在电子邮件服务器中进行仿真来实现根据本发明的算法。在根据本发明的一个变体中，可以将转发概率加权为发送者和用户之间的电子邮件业务的函数。

对于社会网络，包括约会和娱乐活动，本发明可用于使用社会交互数据来识别社区以及社区之间的关系，以及用于发现与一组人的最好的社会连接。

至于诸如转录调节网络的生物网络，本发明可用于从大规模高吞吐量的序列和经验数据中发现细胞系统的功能蓝图，并且允许待揭示的复杂的细胞间处理。见http://arxiv.org/abs/q-bio.MN/0501039。例如，本发明可用于挖掘基因数据以及其它数据，以将功能和结构与序列数据相关联。此外根据本发明，可以挖掘文献、专利、病历、药物试验和其他数据，以帮助提供对病人疾病的诊断或预报。

可以通过将本发明应用于国家安全数据来揭示模式和社区：发现特定的组模式以及与国家安全相关的行为，可以识别具有特定相关特点的社区。

可以利用包括关系数据库、关系映射、图形数据库的数据库来实现本发明。例如，本发明可以与多种数据库产品一起使用，例如：MySQL AB的MySQL、Bangardsgatan 8S-75320 UppsalaSweden：华盛顿里士满的微软的SQL；以及加州94065，Redwood Shores，OracleParkway的Oracle公司500的Oracle。

本发明可以结合自然语言处理工具一起使用，以提供例如文本解析。这种工具包括：纽约，Armonk，New Orchard Road的国际商用机器公司(International Business Machines Corporation)的WebFountain；10504914-499-1900；得克萨斯，Dallas的Engenium的Engenium；新泽西，Piscataway的Telcordia技术公司的Telcordia潜在语义检索软件；田纳西洛克斯韦尔大学的通用文本解析器。

并且，根据本发明，可以用图形显示和设计工具来改进分析的质量，包括：aiSee：AbsIntAngewandte informatik GmbH，Stuhlsatzenhausweg 69，66123 Saarbruecken，德国；Prefuse：http//prefuse/source forge.net/(Jeffrey Heer在加州大学，伯克利和帕罗阿托研究中心所写的开放源GNU)；以及Jagraph：JGraph有限公司http://www.jgraph.c om/。

参考文献

[1]Bagrow，J.，and Bollt，E.A Local Method for Detecting Communities.ArXiv CondensedMatter e-prints(Dec.2004).

[2]Bollobas，B.Random Graphs Second Edition.Cambridge University Press，United Kingdom，2001.

[3]Boscolo，R.，Rezaei，B.A.，Boykin，P.O.，and Roychowdhury，V.P.Functionality Encoded InTopology？Discovering Macroscopic Regulatory Modules from Large-Scale Protein-DNAInteraction Networks.Reprint arXiv：q-bio/0501039(Jan.2005).

[4]Clauset，A.，Newman，M.E.，and Moore，C.Finding community structure in very largenetworks.Phys.Rev.E 70，6(Dec.2004)，066111-+.

[5]Erdos，P.，and Renyi，A.On the evolution of random graphs.Publications of the Math.Inst.ofthe Hungarian Academy of Sc.(1960).

[6]Erdos，P.，and Renyi，A.On the strength of connectedness of a random graph.ActaMathematica Scientia Hungary 12(1961)，261-267.

[7]Flake，G.W.，Lawrence，S.，Giles，C.L.，and Coetzee，F.M.Self-organization andidentification of web communities.Computer 35，3(2002)，66-71.

[8]Garton，L.，Haythornthwaite，C.，and Wellman，B.Studying online social networks.In Doing Internet Research，S.Jones，Ed.Sage，ThousandOaks，CA，1999，pp.75-105.

[9]Girvan，M.，and Newman，M.E.J.Community structure in social and biological networks.PNAS 99，12(2002)，7821-7826.

[10]Latapy，M.，and Pons，P.Computing communities in large networks using random walks.ArXiv Condensed Matter e-prints(Dec.2004).

[11]Luis，J.G.-B.Community structure of modules in the apache project.

[12]Newman，M.E.Fast algorithm for detecting community structure in networks.Phys.Rev.E69，6(June 2004)，066133-+.

[13]Newman，M.E.J.Coauthorship networks and patterns of scientific collaboration.PNAS 101(2004)，5200-5205.

[14]Pothen，A.，Simon，H.D.，and Liou，K.-P.Partitioning sparse matrices with eigenvectors ofgraphs.SIAM J.Matrix Anal.Appl.11，3(1990)，430-452.

[15]Radicchi，F.，Castellano，C.，Cecconi，F.，Loreto，V.，and Parisi，D.Defining and identifyingcommunities in networks.PNAS 101，9(2004)，2658-2663.

[16]Rezaei，B.A.，and Roychowdhury，V.P.Percolation Crawlers：Finding webneighborhoods.preprint(2004).

[17]Rives，A.W.，and Galitski，T.Modular organization of cellular networks.PNAS 100，3(2003)，1128-1133.

[18]Scott，J.Social Network Analysis：A Handbook，2nd ed.Sage Publications，London，2000.

[19]Wasserman，S.，and Faust.，K.Cambridge University Press.Acta Mathematica ScientiaHungary(1994).

[20]Wellman，B.，Salaff，J.，Dimitrova，D.，Garton，L.，Gulia，M.，and Haythornthwaite，C.Computer networks as a social networks：collaborative work，telework，and virtual community.Annual Reviews Sociology 22(1996)，213-238.

[21]Wu，F.，and Huberman，B.A.Finding communities in linear time：a physics approach.European Physical Journal B 38(2004)，331-338.

[22]Zachary，W.W.San information flow model for conflict and fission in small groups.Journalof Anthropological Research 33(1977)，452473.

[23]Let H be a set of nodes in graph G(V，E)and let K be a proper subset of H.Letα(K)denote thenumber of edges linking members of K to V_K(the set of nodes not in K).Then H is an LS set ofG if for every proper subset K of H，α(K)＞α(H).A key property of LS sets is high edgeconnectivity.Specifically，every node in an LS set has higher edge connectivity with othermembers of the LS set than with any non-member.Specifically，every node in an LS set hashigher edge connectivity(λ)with other members of the LS set than with any non-member.Taking this as the sole criterion for defining a cohesive subset，a lambda set is defined as amaximal subset of nodes S such that for all a，b，c∈S and d∈V-S，λ(a，b)＞λ(c，d).To the extentthatλis high，members of the same lambda set are difficult to disconnect from one anotherbecauseλdefines the number of edges that must be removed from the graph in order to disconnectthe nodes within the lambda set.

[24]There are several ways of defining betweennesss as described in[9]based on shortest-path orrandom-walks

[25]B.W.Kernighan and S.Lin，An efficient heuristic procedure for partitioning graphs，.BellSystem Technical Journal 49，291-307(1970).

Claims (31)

1. 尽管已经针对实施例描述了本发明，但是其并不旨在将本发明限制于此。可以预期，本领域的技术人员在考虑到本发明之后会想到进一步的变形和改进，并且所有这种变形都在权利要求的范围内。

   1、一种用于将链接的数据分组到可能重叠的社区中的计算机实现的方法，包括步骤：为一个节点确定局部社区，以及应用所述局部社区以获得对象的特性。
2. 2、如权利要求1所述的方法，进一步包括步骤：生成至少两个局部社区，并且将至少两个局部社区合并到社区结构中。
3. 3、如权利要求1所述的方法，其中所述确定步骤包括步骤：对所述节点属于社区的强度进行量化。
4. 4、如权利要求1所述的方法，其中所述确定步骤包括步骤：采用来自节点的键逾渗，其中所述节点的局部社区正在被搜索。
5. 5、如权利要求2所述的方法，其中所述确定步骤包括步骤：采用来自节点集合的键逾渗，其中所述节点集合的局部社区正在被搜索。
6. 6、如权利要求5所述的方法，其中所述采用步骤包括步骤：开始来自节点的逾渗消息，并且将社区识别为连接的组成部分，包括接收所发送的消息的节点，所发送的消息的大小不随着逾渗概率的增加而增加。
7. 7、如权利要求6所述的方法，其中所述开始步骤包括步骤：发送来自节点集合的个体逾渗消息，并且将社区确定为连接的组成部分，包括接收所发送的消息的节点，所发送的消息的社区大小不随着逾渗概率的增加而增加。
8. 8、如权利要求1所述的方法，其中所述确定步骤包括步骤：为每个链接指定权重，并且确定加权的局部社区。
9. 9、如权利要求1所述的方法，其中所述确定步骤包括步骤：为每个节点指定权重，并且确定加权的局部社区。
10. 10、如权利要求8所述的方法，其中所述权重指定步骤包括步骤：根据用户查询来指定权重。
11. 11、如权利要求8所述的方法，其中所述权重指定步骤包括步骤：独立于用户查询来指定权重。
12. 12、如权利要求9所述的方法，其中所述权重指定步骤包括步骤：根据用户查询来指定权重。
13. 13、如权利要求9所述的方法，其中所述权重指定步骤包括步骤：独立于用户查询来指定权重。
14. 14、如权利要求4所述的方法，进一步包括步骤：从初始查询生成初始节点集合。
15. 15、如权利要求6所述的方法，进一步包括步骤：从初始查询构建初始节点集合。
16. 16、如权利要求1所述的方法，进一步包括步骤：根据作为所述确定步骤的结果所发现的社区来修改所述链接的数据。
17. 17、如权利要求5所述的方法，其中所述采用步骤包括步骤：在整个图形上迭代地进行键逾渗，并且通过确定在多次重复键逾渗步骤过程中、在相同连接的组成部分中共同出现的节点来识别全局社区。
18. 18、一种用于将链接的数据分组到社区中的装置，包括载有软件的计算硬件，所述软件对根据本发明的基于逾渗的算法进行编码。
19. 19、一种用于将链接的数据分组到社区中的装置，包括对根据本发明的基于逾渗的算法进行编码的固件。
20. 20、一种用于将链接的节点分组到社区中的计算机实现的方法，包括步骤：

    为每个链接指定权重；

    为每个节点分配权重；

    开始来自指定节点的逾渗消息；

    确定连接的组成部分包括重复接收消息的节点；以及

    将社区识别为集合，所述集合的大小不随着逾渗概率的增加而增加。
21. 21、一种用于将链接的节点分组到社区中的计算机实现的方法，包括步骤：

    为每个链接指定权重；

    为每个节点分配权重；

    开始来自指定节点集合的逾渗消息；

    确定连接的组成部分包括重复接收消息的节点；以及

    将社区识别为集合，所述集合的大小不随着逾渗概率的增加而增加。
22. 22、如权利要求20所述的方法，其中所述识别步骤包括步骤：显示所识别的社区中的链接和节点。
23. 23、如权利要求20所述的方法，其中所述识别步骤包括步骤：显示注释，所述注释用于表示所识别的社区中的链接和节点的元信息。
24. 24、如权利要求23所述的方法，其中通过将仅具有指定信息的节点和链接保持在它们的注释中，来将所识别的注释的社区分成子社区。
25. 25、如权利要求20所述的方法，进一步包括步骤：

    改变权重；以及

    重复所述开始以及确定步骤。
26. 26、如权利要求25所述的方法，进一步包括步骤：迭代所述改变和重复步骤。
27. 27、如权利要求20所述的方法，进一步包括步骤：

    提供额外的链接的数据；

    重复所述开始以及确定步骤；以及

    将所述重复步骤的结果警告给用户。
28. 28、如权利要求20所述的方法，进一步包括步骤：获得社区内强度并且显示社区之间的关系。
29. 29、如权利要求20所述的方法，进一步包括步骤：随时间重复所述开始和确定步骤，并且比较所识别的社区。
30. 30、如权利要求23所述的方法，进一步包括步骤：通过使用节点和链接的注释中的时间戳信息，将所识别的注释的社区视为随时间演进的动态对象。
31. 31、如权利要求29所述的方法，其中所述重复步骤包括步骤：保留在执行所述重复步骤之前出现的消息。

Images