CN105335438A - 一种基于局部最短回路的社会网络群体划分方法 - Google Patents

Abstract

本发明涉及一种基于局部最短回路的社会网络群体划分方法，该方法具体过程为：读取社会网络数据，构造以社交网络用户为节点，用户关系为边的社交网络图，为每一个用户赋予一个唯一代表其所属社区的标签值，采用基于局部最短回路的标签传播算法来更新用户节点的标签，经过若干次迭代更新后，联系紧密的节点会拥有相同的标签值，得到社会网络的社区结构。根据本发明实施例的社会网络群体划分方法，应用用户关系图中是否构成局部回路的属性改进标签传播算法，与现有的社区网络划分方法相比，对用户群体进行划分有利于提高社区划分的准确率，有效挖掘社会网络中的社区结构，划分结果在网络舆情监测、搜索引擎、商业目标挖掘等领域具有较好的应用价值。

Description

一种基于局部最短回路的社会网络群体划分方法

技术领域

本发明涉及社会网络计算技术领域，尤其涉及一种基于局部最短回路的社会网络群体划分方法。

背景技术

大多数复杂网络呈现模块化特征，即系统内存在一些相对独立的群组。这种内部节点连接稠密而与网络中其它部分连接稀疏的群组称为社区。一般而言，社区内的节点之间存在某种程度的相似性，而这种相似性对于人们研究复杂网络具有重要的意义。如社交网络中同组人具有区别于其它组的共同特性或观点，这对网络舆情监测具有重要的意义；万维网中，如果知道某些网页的少量信息，就可以外推到同组内的其它Web网页，这对搜索引擎是非常有用的；科学家协作网中同组的科学家从事类似的研究。社区发现算法的目标就是发现网络中存在的这样节点群组，这对研究复杂系统具有重要的意义。

针对社区发现，研究者们将社区发现算法大体上分为三类：计算机科学领域的图形分割的算法、社会学领域的层次聚类算法和近年来得到广泛关注的标签传播算法。图形分割算法是基于图论的二分迭代算法，其核心思想是把网络分割成两个最优的子图，再对划分得到的子图继续进行分割，不断重复进行同样的操作，直到有足够的子图为止。基于图形分割的社区发现算法主要有基于Laplace矩阵的谱平分法、Kernighan-Lin算法(K-L算法)和派系过滤算法(CliquePercolationMethod，CPM算法)等。图形分割算法的缺点是要求知识社区的先验知识，即社区数目或社区大小，这对真实网络而言是很难做到的。层次聚类算法的核心是分析网络中各个节点间的相似度以及连接的紧密程度，其中一个重要的概念是边介数，即通过一条边的所有最短路径的数目。根据社区的定义，通过社区之间的边的最短路径数目必然大于通过社区内的边的最短路径数，也就是说，各个社区之间节点的边介数要远远大于社区内部节点的边介数，根据边介数的大小增加或删除社区间的边可以获得社区结构。根据层次聚类时是删除边还是增加边，可以把层次聚类算法分为两类，即分裂算法和凝聚算法。前者的代表是GN算法，后者的代表是Newman快速算法。层次聚类算法不需要预先定义社区的大小，但是缺点是无法确定最终需要将网络划分成多少个社区才是最合适的，且很多节点的归属也无法确定，所以在实际应用中往往得不到令人满意的结果。

为了改进以上算法的缺点，Raghavan等人提出标签传播算法(LabelPropagationAlgorithm，LPA)社区发现方法，该算法是一种接近线性时间复杂度社区发现算法，这也是到目前为止最快的社区发现算法。标签传播算法是一种基于启发策略的不依赖于先验知识的算法，不需要设定目标函数，在许多真实网络中取得了较好的效果。

传统的标签传播算法虽然时间复杂度低、速度快，但是该算法在标签传播过程中，认为被更新节点的每一个邻居节点对该节点的影响是平等的，邻居节点与该节点间的连接关系没有加以考虑，这很容易导致标签在不同社区间的任意传播，进而影响了标签传播算法的准确率。

鉴于上述缺陷，现有的社区发现方法的划分结果准确性方面还有很大的提升空间。

发明内容

本发明的目的在于提供一种基于局部最短回路的社会网络群体划分方法，该方法有利于提高社会网络划分的准确度。

为实现上述目的，本发明提供一种基于局部最短回路的社会网络群体划分方法，该具体过程为：

步骤A：读取社交网络数据，构造以社交网络用户为节点，用户关系为边的社交网络图；

步骤B：初始化，为每个节点分配一个唯一代表其所属社区的标签，迭代次数t＝1；

步骤C：随机排列所有节点，生成一个节点序列X；

步骤D：节点标签更新；

步骤E：若所有节点的标签不再变化，则算法停止；否则，t＝t+1，并返回步骤C；

步骤F：将所有具有相同标签的顶点归为一个社区。

进一步地，所述步骤B中，为每个节点分配一个唯一代表其所属社区的标签具体过程为，即C_n＝L_n，C_n表示节点n所属社区，L_n表示节点n的标签值。

进一步地，所述步骤D中，节点标签更新具体包括以下步骤：

步骤D1：对于节点序列X中的每一个节点x，用它邻居节点标签中出现频率最高的那个标签来更新该节点的标签，假设节点x的k个邻居节点分别是x₁，x₂，...，x_k，第t次时迭代节点x的标签依据于它邻居节点中所有经过了t次迭代后节点的标签及其它经过了第t-1次迭代节点后所得到的标签，节点x的标签更新公式为： $c_x\left(t\right)=g(c_{x_1}\left(t\right),c_{x_2}\left(t\right),...,c_{x_m}\left(t\right),c_{x_{m+1}}(t-1),...,c_{x_k}(t-1)),$ 其中函数g返回的是节点x的邻居节点标签中频率最高的标签。

步骤D2：如果邻居节点标签中存在多个最高频率的标签，则在x的邻居节点中选择能与节点x构成最短回路的邻居节点的标签作为该顶点标签；如果最短回路长度相等，则在其中随机选择一个节点标签；如果没有回路，则随机选择一个邻居的标签。

进一步地，所述步骤E中，算法的迭代终止条件为社会网络达到平衡，标签数目不再发生变化。

与现有技术相比较本发明的有益效果在于：本发明提出了一种基于局部最短回路的社会网络群体划分方法，与现有的社区发现算法相比，划分结果更接近于真实的网络结构，提高了准确度。

附图说明

图1为本发明方法的实现流程图。

图2为采用本发明方法(由LPALC表示)和标签传播算法(由LPA表示)在1000个节点的基准网络中，在网络中节点的平均度数<k>＝15、度数的最大值maxk＝50条件下，两种算法运行100次的平均NMI值随混合参数μ(μ∈[0，0.90]，μ表示不同社区之间的节点中有连边的部分)的取值变化对比图。

图3为采用本发明方法(由LPALC表示)和标签传播算法(由LPA表示)在1000个节点的基准网络中，在网络中节点的平均度数<k>＝30、度数的最大值maxk＝50条件下，两种算法运行100次的平均NMI值随混合参数μ(μ∈[0，0.90])的取值变化对比图。

图4为采用本发明方法(由LPALC表示)和标签传播算法(由LPA表示)在5000个节点的基准网络中，在网络中节点的平均度数<k>＝15、度数的最大值maxk＝50条件下，两种算法运行100次的平均NMI值随混合参数μ(μ∈[0，0.90])的取值变化对比图。

图5为采用本发明方法(由LPALC表示)和标签传播算法(由LPA表示)在5000个节点的基准网络中，在网络中节点的平均度数<k>＝30、度数的最大值maxk＝50条件下，两种算法运行100次的平均NMI值随混合参数μ(μ∈[0，0.90])的取值变化对比图。

图6为采用本发明方法(由LPALC表示)和标签传播算法(由LPA表示)在10000个节点的基准网络中，在网络中节点的平均度数<k>＝15、度数的最大值maxk＝50条件下，两种算法运行100次的平均NMI值随混合参数μ(μ∈[0，0.90])的取值变化对比图。

图7为采用本发明方法(由LPALC表示)和标签传播算法(由LPA表示)在10000个节点的基准网络中，在网络中节点的平均度数<k>＝30、度数的最大值maxk＝50条件下，两种算法运行100次的平均NMI值随混合参数μ(μ∈[0，0.90])的取值变化对比图。

具体实施方式

以下结合附图，对本发明上述的特征和优点作更加详细的说明。

图1是本发明的一种基于局部最短回路的社会网络群体划分方法的实现流程图。如图1所示，所述方法包括以下步骤：

步骤A：读取社交网络数据，构造以社交网络用户为节点，用户关系为边的社交网络图。

如在社交网络中，将每一个用户作为网络中的一个节点，以用户中具有相同特征或观点的作为网络的一条边。于是，形成了许多具有相同特征的社区，这对网络舆情监测具有重要的意义；万维网中，如果知道某些网页的少量信息，就可以与其他网页组成有关系的连边，这对搜索引擎是非常有用的；科学家协作网中，将每个作者作为一个节点，两个作者合作文章即产生一条连边，形成庞大的协作网络。

在本实施例中，采用由不同的节点数、节点度数和混合参数组成的6种基准网络。其中，混合参数μ代表社区网络的社区结构的明显程度，μ值越小社区结构越明显。

步骤B：初始化，为每个节点分配一个唯一代表其所属社区的标签，迭代次数t＝1。

具体的，在所述步骤B中，为每个节点分配一个唯一代表其所属社区的标签具体过程为，即C_n＝L_n，C_n表示节点n所属社区，L_n表示节点n的标签值。

步骤C：随机排列所有节点，生成一个节点序列X。

步骤D：节点标签更新。

具体的，在所述步骤D中，节点标签更新具体包括以下步骤：

步骤D1：对于节点序列X中的每一个节点x，用它邻居节点标签中出现频率最高的那个标签来更新该节点的标签，假设节点x的k个邻居节点分别是x₁，x₂，...，x_k，第t次时迭代节点x的标签依据于它邻居节点中所有经过了t次迭代后节点的标签及其它经过了第t-1次迭代节点后所得到的标签，节点x的标签更新公式为： $c_x\left(t\right)=g(c_{x_1}\left(t\right),c_{x_2}\left(t\right),...,c_{x_m}\left(t\right),c_{x_{m+1}}(t-1),...,c_{x_k}(t-1)),$ 其中函数g返回的是节点x的邻居节点标签中频率最高的标签。

步骤D2：如果邻居节点标签中存在多个最高频率的标签，则在x的邻居节点中选择能与节点x构成最短回路的邻居节点的标签作为该顶点标签；如果最短回路长度相等，则在其中随机选择一个节点标签；如果没有回路，则随机选择一个邻居的标签。

步骤E：若所有节点的标签不再变化，则算法停止；否则，t＝t+1，并返回步骤C。

具体的，在所述步骤E中，算法的迭代终止条件为社会网络达到平衡，标签数目不再发生变化。

步骤F：将所有具有相同标签的顶点归为一个社区。

在本实施例中考察本发明与标签传播算法在6种不同参数条件下的基准网络中，随着混合参数μ的取值变化，各运行100次的平均NMI值对比图。其中，NMI(normalizedmutualinformation)值是判断实验划分结果与实际真实结果的接近程度的评判依据。具体规则详细如下：

其中，定义一个混淆矩阵N，行数代表真实社区，列数代表已发现社区，N_ij代表真实社区i中的节点在已发现社区j中所占的节点个数，c_A代表真实社区的数量，c_B代表已发现社区的数量，N_i代表矩阵N_ij中i行的总和，N_j代表j列的总和。

本发明所述的一种基于局部最短回路的社会网络群体划分方法，将社区划分过程划分为读取社交网络数据、初始化、节点更新标签、划分社区四个阶段，首先读取社交网络数据，构造以社交网络用户为节点，用户关系为边的社交网络图；为社交网络图中的每个节点分配一个唯一代表其所属社区的标签，迭代次数t＝1；随机排列所有的节点，生成一个节点序列；节点标签更新，对于节点序列中每一个节点x，用它邻居节点标签中出现频率最高的那个标签来更新该节点的标签，如果邻居节点中存在多个最高频率的标签，则在x的邻居节点中选择能与节点x构成最短回路的邻居节点的标签作为该节点的标签，如果最短回路长度相等，则在其中随机选择一个节点标签，如果没有回路，则随机选择一个邻居的标签。若所有节点的标签不再发生变化，则算法停止；最后，将所有具有相同标签的顶点归为一个社区。标签传播算法平等的对待所有邻居节点，导致社区边缘节点间产生了标签传播，严重影响了社区划分结果的准确率。本发明采用最短回路的思想，在待更新节点的所有邻居节点中，当有多个标签出现的频率最高时，在具有标签频率最高的邻居节点中选择一个能与待更新节点构成最短回路的邻居的标签作为待更新节点的标签，这样就在很大程度上限制了标签传播的随意性。为了证明本发明方法的优势，本实施例选取了6个不同参数条件下的基准网络。参数各异的图2、图3、图4、图5、图6、图7表明当混合参数μ取值在0到0.9范围内时，本发明方法的NMI值结果总体优于标签传播算法。进一步研究可以发现，当网络的节点数相同时，节点的平均度数<k>越大，相较于标签传播算法，本发明方法效果越明显，即划分社区的准确度越高；当网络的节点数不相同时，节点的数目越多，本发明方法效果越明显，划分社区的准确度越高。结果表明在具有标签频率最高的邻居节点中选择一个能与待更新节点构成最短回路的邻居节点标签从很大程度上限制了标签传播的随意性，大大提高了社区发现算法的准确率。综上，本发明方法大大提高了原有社区发现算法的准确率，可有效挖掘社会网络中的社区结构，可以应用于网络舆情监测、搜索引擎等不同规模的领域。

以上所述仅为本发明的较佳实施例，在发明权利要求所限定的范围内对其进行的改变、修改、甚至等效，都将属于本发明的保护范围内。

Claims (4)

1.一种基于局部最短回路的社会网络群体划分方法，其特征在于，该具体过程为：

步骤A：读取社会网络数据，构造以社交网络用户为节点，用户关系为边的社交网络图；

步骤B：初始化，为每个节点分配一个唯一代表其所属社区的标签，迭代次数t＝1；

步骤C：随机排列所有节点，生成一个节点序列X；

步骤D：节点标签更新；

步骤E：若所有节点的标签不再变化，则算法停止；否则，t＝t+1，并返回步骤C；

步骤F：将所有具有相同标签的顶点归为一个社区。

2.根据权利要求1所述的一种基于局部最短回路的社会网络群体划分方法，其特征在于，

在上述步骤B中，为每个节点分配一个唯一代表其所属社区的标签，即C_n＝L_n，C_n表示节点n所属社区，L_n表示节点n的标签值。

3.根据权利要求1所述的一种基于局部最短回路的社会网络群体划分方法，其特征在于，

在上述步骤D中，节点标签更新具体包括以下步骤：

步骤D1：对于节点序列X中的每一个节点x，用它邻居节点标签中出现频率最高的那个标签来更新该节点的标签，假设节点x的k个邻居节点分别是x₁，x₂，...，x_k，第t次时迭代节点x的标签依据于它邻居节点中所有经过了t次迭代后节点的标签及其它经过了第t-1次迭代节点后所得到的标签，节点x的标签更新公式为：其中函数g返回的是节点x的邻居节点标签中频率最高的标签；

步骤D2：如果邻居节点标签中存在多个最高频率的标签，则在x的邻居节点中选择能与节点x构成最短回路的邻居节点的标签作为该顶点标签；如果最短回路长度相等，则在其中随机选择一个节点标签；如果没有回路，则随机选择一个邻居的标签。

4.根据权利要求1所述的一种基于局部最短回路的社会网络群体划分方法，其特征在于，

在上述步骤E中，算法的迭代终止条件为社会网络达到平衡，标签数目不再发生变化。