CN105608174A - 一种基于跨模态节点链接聚类的社区发现方法 - Google Patents

Abstract

一种基于跨模态节点链接聚类的社区发现方法，采用以跨模态节点链接为聚类对象的重叠式社区发现体系，融合跨模态特征与模态内特征两类相似性度量特征的节点链接相似度量化方法，刻画移动社交空间所蕴含的多模态实体属性及交互信息，将相似度高的跨模态节点链接划分至同一社区。

Description

一种基于跨模态节点链接聚类的社区发现方法

技术领域

本发明涉及网络结构分析技术领域；特别是涉及多模态网络的社区发现方法。

背景技术

无线通信技术的快速发展与智能便携设备的广泛普及，使得人类进入移动互联时代。移动社交空间中普遍存在的感知设备，能够获取丰富的实体交互数据与实体属性数据，形成多模态多属性的移动社交网络。随之而来的问题之一是如何构建面向多模态多属性社交网络的有效社区发现方法，该问题所面临的挑战表现在两个方面：其一，网络中存在多种模态的实体，如用户、地点等，每一类实体皆具有丰富的属性信息；其二，既存在同一模态实体之间的交互数据，又存在不同模态实体之间的交互信息。因此，传统基于结构特征的社区发现方法不能适用于多模态多属性社交网络。

一方面，传统基于结构特征的社区发现方法所发现的社区不易解释。具体而言，虽然知道社区成员之间的链接关系紧密，但是却无法直观地刻画并呈现社区具有的特征。导致这一问题的原因主要有二：其一，结构特征本身不蕴含可用于诠释与刻画社区特征的信息；其二，传统条件下较难大规模地获取可用于社区特征诠释的元数据，如社交实体的属性信息等。

另一方面，传统基于结构特征的社区发现方法所发现社区的重叠度较低，一般只有很小一部分用户隶属于多个社区。然而，现实生活中用户的生活模式往往呈现多样性的特点，使其倾向于隶属多个社区，例如一个学生可同时隶属于“文学社”、“体育爱好者”及“游戏爱好者”等多个社区。因此，传统基于结构特征的社区发现方法不适合面向多模态多属性移动社交网络的重叠式社区发现。

发明内容

综合以上，需要提出新的方法以解决多模态多属性社交网络的社区发现问题。本发明提供一种构建准确、相似度特征以实现高质量的社区发现方法。

本发明一种基于跨模态节点链接聚类的社区发现方法的技术方案为：

一种基于跨模态节点链接聚类的社区发现方法，采用以跨模态节点链接为聚类对象的重叠式社区发现体系，融合跨模态特征与模态内特征两类相似性度量特征的节点链接相似度量化方法，刻画移动社交空间所蕴含的多模态实体属性及交互信息，将相似度高的跨模态节点链接划分至同一社区。

优选地，一种基于跨模态节点链接聚类的社区发现方法的跨模态特征主要利用不同模态节点之间的交互信息，用一个模态实体的信息描述另一个模态实体的特征。

优选地，一种基于跨模态节点链接聚类的社区发现方法的模态内特征兼顾同一模态节点之间的交互信息与属性信息，利用与目标实体隶属同一模态的信息对其进行描述的特征。

优选地，一种基于跨模态节点链接聚类的社区发现方法的跨模态特征包括用户-地点相似度，利用地点类型向量刻画用户特征。

优选地，一种基于跨模态节点链接聚类的社区发现方法的跨模态特征包括地点-用户相似度，利用用户向量刻画地点类型特征。

优选地，一种基于跨模态节点链接聚类的社区发现方法的模态内特征包括用户社会相似度，利用朋友关系描述用户特征。

优选地，一种基于跨模态节点链接聚类的社区发现方法的模态内特征包括用户空域相似度，利用空间活动半径描述用户特征。

优选地，一种基于跨模态节点链接聚类的社区发现方法的模态内特征包括地点时域相似度，利用时域热度向量刻画地点类型特征。

优选地，一种基于跨模态节点链接聚类的社区发现方法还包括基于元数据的社区诠释机制，通过计算社区中每一用户成员与地点成员的隶属度，然后基于社区中重要成员的元数据对社区特征进行刻画与诠释。

以基于位置的社交网络为例，用户的每一次签到皆体现了其某一方面的偏好或兴趣，这一观察启发我们以节点链接取代节点作为社区聚类的对象，即同时将结构特征和属性特征作为社区发现的依据，聚类的目标是将相似度高的跨模态节点链接划分至同一社区。由于每一节点与多条节点链接相关联，故而构造的节点链接社区将使得节点被自然地分配至多个重叠式社区之中。这说明本发明是一种构建准确、相似度特征以实现高质量的社区发现方法。

附图说明

图1为基于位置的多模态多属性移动社交网络示意

具体实施方式

下面结合实施例和附图来对本发明进行详细说明。

M²Clustering算法示意：

该方法中跨模态特征与模态内特征的定义如下：

定义1：跨模态特征是指利用一个模态实体的信息描述另一个模态实体的特征。例如，基于位置的社交网络中用户的偏好特征可以通过其历史签到地点的类型向量刻画，而地点的类型特征则可以基于在其之上进行签到的用户向量描述。显然，跨模态特征主要利用了不同模态节点之间的交互信息。

定义2：模态内特征是指利用与目标实体隶属同一模态的信息对其进行描述的特征。例如，一个用户的社交特征可以通过其朋友关系进行刻画，一个地点的访客数量与签到数量则可以直观反映其热度特征。因此，模态内特征兼顾了同一模态节点之间的交互信息与属性信息。

依据上述定义可知，跨模态特征主要刻画不同模态节点之间的交互关系，而模态内特征则描述同一模态内的节点交互信息与节点属性信息，二者共同涵盖了多模态多属性移动社交网络所蕴含的各类信息。

不失一般性地，本发明着重关注基于位置的社交网络，即属性二分网络，提出两个跨模态特征与三个模态内特征。其中跨模态特征包括：

√用户-地点相似度，即利用地点类型向量刻画用户特征；

√地点-用户相似度，即利用用户向量刻画地点类型特征。

模态内特征包括：

√用户社会相似度，即利用朋友关系描述用户特征；

√用户空域相似度，即利用空间活动半径描述用户特征；

√地点时域相似度，即利用时域热度向量刻画地点类型特征。

基于上述特征，本发明进一步提出跨模态相似度特征的融合机制。由于作为聚类对象的跨模态节点链接同时关联于用户与地点两个模态上的节点，所以分别定义用户相似度与地点相似度如下：

${\mathrm{sim}}_u=\frac{1}{\left|f_u\right|}{\mathrm{\Σsim}}_{u*}^{\′},---\left(1\right)$

${\mathrm{sim}}_v=\frac{1}{\left|f_v\right|}{\mathrm{\Σsim}}_{v*}^{\′}.---\left(2\right)$

其中|f_u|与|f_v|分别表示用户模态与地点模态的特征数量，而sim′_u*与sim′_v*则表示归一化后的相似度特征。进一步地，跨模态节点链接相似度定义为：

${\mathrm{sim}}_{edge}=\sqrt{{\mathrm{sim}}_u\×{\mathrm{sim}}_v}.---\left(3\right)$

在准确度量跨模态节点链接相似性的基础上，本发明提出适合多模态多属性移动社交网络社区发现的M²Clustering(Multi-ModeMulti-AttributeEdgeClustering)算法。具体而言，结合跨模态节点链接的特点，该方法对经典k-means算法进行三方面的改进：

√经典k-means算法将簇的质心定义为簇中聚类对象的几何中心。然而，当跨模态节点链接作为聚类对象时，如果将一组跨模态节点链接表示为一个单独的向量，则使得相应的相似度结果显著不同。因此，我们将跨模态节点链接簇的质心定义为其全体成员的集合，即一个矩阵。

√经典k-means算法中聚类对象之间的相似度一般依据某种距离函数直接计算。然而，由于跨模态节点链接关联于两个不同模态的节点且每一节点具有多个属性，导致其相似度特征由长度不同的多个向量组成，所以无法采用统一的距离函数计算跨模态节点链接之间的相似度，而需通过融合用户模态与地点模态的相似度间接获得。

√虽然质心定义的变化保证了计算精度，却使得算法完成一次迭代的时间复杂度由O(k×N)上升为O(N²)。为了提升算法的时间效率，将任意一个聚类对象形成的簇C_j表示为包含如下四个组成部分的结构体：C_j的成员列表E(C_j)，上次迭代中新加入C_j的成员列表E_A(C_j)，上次迭代中从C_j中移除的成员列表E_R(C_j)，以及上次迭代中C_j的成员E_P(C_j)与全体聚类对象的相似度数组sim(E_P(C_j),E)。通过引入该结构体，算法一次迭代的计算复杂度变为O(∑(|E_A(C_j)|+|E_R(C_j)|)×N)，其中∑(|E_A(C_j)|+|E_R(C_j)|)可能的最大值为N，随着迭代的进行其取值将急速降低。

进一步地，为了便于向社区提供自适应服务，本发明提出了基于元数据的社区诠释机制，其基本思想是：首先，计算社区中每一用户成员与地点成员的隶属度；之后，基于社区中重要成员的元数据对社区特征进行刻画与诠释。对于社区C_j，其包含的节点链接集合为若u_x为C_j的用户成员，而且关联于u_x的跨模态节点链接集合为则将u_x对C_j的隶属度b_u(u_x,C_j)定义为：

$b_u(u_x,C_j)=|E_{u_x}\∩E_{C_j}|/\left|E_{u_x}\right|.---\left(4\right)$

类似地，若v_y是C_j的地点类型成员，C_j中关联于v_y的节点链接集合为则v_y对C_j的隶属度b_v(v_y,C_j)定义为：

$b_v(v_y,C_j)=\left|E_{C_j}\left(v_y\right)\right|/\left|E_{C_j}\right|.---\left(5\right)$

用户u_x或者地点类型v_y是社区C_j的重要成员的条件是：隶属度b_u(u_x,C_j)或b_v(v_y,C_j)取值大于给定的隶属度阈值θ。

对任意社区C_j，皆可计算其重要用户成员集合U_KEY(C_j)以及重要地点成员集合V_KEY(C_j)，并进而将该社区量化诠释为：

$\begin{array}{c}\mathrm{Pr}ofile\left(C_j\right)=\{\left({\mathrm{feature}}_{u_1},{\mathrm{value}}_{u_1}\right),\mathrm{...},\left({\mathrm{feature}}_{u_x},{\mathrm{value}}_{u_x}\right),\mathrm{...},\\ \left({\mathrm{feature}}_{v_1},{\mathrm{value}}_{v_1}\right),\mathrm{...},\left({\mathrm{feature}}_{v_y},{\mathrm{value}}_{v_y}\right),\mathrm{...}\}.\end{array}---\left(6\right)$

其中任意二元组或表示一组用户或地点模态的特征及其取值。一方面，社区的用户模态特征的取值基于其重要用户成员U_KEY(C_j)的元数据计算，例如，C_j的活动半径即为U_KEY(C_j)中用户活动半径的算术平均值；另一方面，地点模态特征则依赖社区的重要地点成员V_KEY(C_j)，若地点类型v_y隶属于V_KEY(C_j)，则v_y即为一个地点模态特征相应的取值为b_v(v_y,C_j)。

本发明提出以跨模态节点链接为聚类对象的重叠式社区发现体系，设计了融合跨模态与模态内两类相似性度量特征的节点链接相似度量化方法。下面结合典型基于位置的社交服务Foursqure数据实例，对跨模态与模态内相似度特征做出进一步阐述。

(1)用户-地点相似度

Foursquare将所有地点按照类型归类为三个层次，其中第一层包含9种类型，第二层包含280种类型，第三层则包含400种类型。鉴于第一层次类型的粒度较为粗糙，而第三层次部分类型之间的差异不甚显著，本发明选用第二层次地点类型对用户偏好进行刻画，即将用户表示为一个280维的地点类型向量。面向整个用户集合U即可构造大小为|U|×280的用户偏好矩阵。

进一步地，采用主成分分析法PCA(PrincipalComponentAnalysis)对上述用户偏好矩阵进行线性变换，将其降维至隐空间中若干线性无关的综合变量。主成分分析的结果保留前100维综合变量，得到大小为|U|×100的矩阵，涵盖了原始矩阵中95.62％的变化性(Variance)。经上述转换，用户被表示为隐空间中一个100维向量。任意一对用户u_x与u_y的用户-地点相似度形式化为：

${\mathrm{sim}}_{uv}(u_x,u_y)=\frac{\stackrel{\→}{u_x}\·\stackrel{\→}{u_y}}{\left|\right|\stackrel{\→}{u_x}\left|\right|\·\left|\right|\stackrel{\→}{u_y}\left|\right|}.---\left(7\right)$

其中与分别表示用户u_x与u_y的特征向量。

(2)地点-用户相似度

Foursquare中地点类型可表示为将在其之上签到的用户视为特征的向量。因此，面向整个地点类型集合V即可构造大小为280×|U|的特征矩阵。同样地，采用主成分分析对该特征矩阵进行降维处理，并保留前100维综合变量，得到大小为280×100的矩阵，覆盖了原始矩阵中95.34％的变化性。经过上述转换后，任一地点类型可以表示为隐空间中一个100维的向量。与用户-地点相似度类似，本发明采用余弦相似度计算任意一对地点v_x与v_y之间的地点-用户相似度sim_vu(v_x,v_y)。

(3)用户社会相似度

用户社会相似度旨在刻画用户之间社会交互特征的相似性，即如果两个用户拥有大量共同好友，则二者的社会相似度较高。作为基础，首先引入包容性邻域(InclusiveNeighbors)的概念对用户社会关系进行描述。对于用户u_x，其包容性领域N₊(u_x)的形式化定义如下：

$N_{+}\left(u_x\right)=\left\{u_x\right\}\∪\left\{u_i\right|\∃(u_x,u_i)\∈A_U\}.$

其中A_U为用户模态的邻接矩阵。基于此，任意一对用户的社会相似度可依据Jaccard相似度定义为：

${\mathrm{sim}}_{uv}(u_x,u_y)=\frac{|N_{+}\left(u_x\right)\∩N_{+}\left(u_y\right)|}{|N_{+}\left(u_x\right)\∪N_{+}\left(u_y\right)|}.---\left(8\right)$

(4)用户空域相似度

用户在物理空间的活动半径(RadiusofGyration)是另一个可以区分不同用户生活模式差异的变量。在基于位置的社交网络中，一般将其定义为用户的签到位置与起始位置之间距离的标准差。用户活动半径从活动频率与活动距离两方面对用户的空域特征进行了刻画。一般而言，活动半径较小用户的签到位置一般在其起始位置附近，偶尔有较远距离的签到；活动半径较大用户则拥有大量远离起始位置的签到。用户物理活动半径形式化定义为：

$r_g\left(u_x\right)=\sqrt{\frac{1}{n}{\mathrm{\Σ}}_{i-1}^n{(l_h-l_i)}^2}.$

其中n表示用户u_x的签到数量，l_h表示用户的起始位置，l_i(1≤i≤n)则表示用户签到的位置。

基于用户活动半径，引入模态内特征用户空域相似度。对于任意一对用户u_x与u_y，其空域相似度的形式化定义如下：

${\mathrm{sim}}_{ug}(u_x,u_y)=\frac{min\left(r_g\right(u_x\left)r_g\right(u_y\left)\right)}{\max \left(r_g\right(u_x\left)r_g\right(u_y\left)\right)}.---\left(9\right)$

其中r_g(u_x)与r_g(u_y)分别为用户u_x与u_y在物理空间的活动半径。

(5)地点时域相似度

一般而言，用户倾向在不同的时间访问并签到不同类型的地点，因此可以通过签到时间的分布规律对地点类型进行刻画。本实施例在小时的粒度上构建地点类型的时域签到热度向量，即将一周划分为168(7×24)个时间段，使得任意一种类型的地点皆可表示为一个168维的特征向量。由于涉及的地点类型数量为280，所以构造得到大小为280×168的地点时域特征矩阵。同样采用主成分分析对该矩阵进行降维处理，保留前20维综合变量，得到大小为280×20的矩阵，覆盖了原始矩阵中96.33％的变化性。任意两类地点v_x与v_y之间的时域相似度sim_vt(v_x,v_y)定义为二者签到热度向量的余弦相似度。

综合上述特征的量化定义与公式(1～3)，即可基于如下公式计算任意一对跨模态节点链接e_x与e_y之间的相似度，即：

基于多模态多属性移动社交网络的定义及协同聚类思想，本发明将跨模态节点链接聚类问题定义如下：

输入：

√邻接矩阵A_|U|×|V|，其中U＝{u₁,u₂,...u_|U|}为用户集合，V＝{v₁,v₂,...v_|V|}为地点集合；

√用户属性矩阵其中为用户属性集合；

√地点属性矩阵其中为地点属性集合；

√社区数量k(可选项，依赖于所使用的聚类方法)。

输出：

√k个重叠式社区。

类似于其他基于相似度的社区发现问题，本发明中社区发现的目标是将相似度较高的跨模态节点链接划分至相同社区，从而使得社区内成员之间的相似度达到最大。这一目标函数可以形式化表示为：

$OBJ={\mathrm{argmax}}_C{\mathrm{\Σ}}_{j=1}^k{\mathrm{\Σ}}_{e_x\∈C_j}sim(e_x,C_j).---\left(11\right)$

其中k为社区数量，C＝{C₁,C₂,...C_k}表示所发现的社区集合，e_x为隶属于社区C_j的节点链接，sim(e_x,C_j)表示e_x与C_j之间的相似度。由于社区是节点链接的集合，所以节点链接与社区之间的相似度形式化为：

${\mathrm{sim}}_{e_x,C_j}=\frac{1}{\left|C_j\right|}{\mathrm{\Σ}}_{e_y\∈C_j}{\mathrm{sim}}_{edge}\left(e_x,e_y\right).---\left(12\right)$

进一步地，本发明提出基于经典K-均值的多模态多属性移动社交网络社区发现方法M²Clustering，如图-1所示。该方法对经典k-means算法进行三方面的改进：

√经典k-means算法将簇的质心定义为簇中聚类对象的几何中心。然而，当跨模态节点链接作为聚类对象时，如果将一组跨模态节点链接表示为一个单独的向量，则使得相应的相似度结果显著不同。因此，我们将跨模态节点链接簇的质心定义为其全体成员的集合，即一个矩阵。

√经典k-means算法中聚类对象之间的相似度一般依据某种距离函数直接计算。然而，由于跨模态节点链接关联于两个不同模态的节点且每一节点具有多个属性，导致其相似度特征由长度不同的多个向量组成，所以无法采用统一的距离函数计算跨模态节点链接之间的相似度，而需通过融合用户模态与地点模态的相似度间接获得。

√虽然质心定义的变化保证了计算精度，却使得算法完成一次迭代的时间复杂度由O(k×N)上升为O(N²)。为了提升算法的时间效率，将任意一个聚类对象形成的簇C_j表示为包含如下四个组成部分的结构体：C_j的成员列表E(C_j)，上次迭代中新加入C_j的成员列表E_A(C_j)，上次迭代中从C_j中移除的成员列表E_R(C_j)，以及上次迭代中C_j的成员E_P(C_j)与全体聚类对象的相似度数组sim(E_P(C_j),E)。通过引入该结构体，算法一次迭代的计算复杂度变为O(∑(|E_A(C_j)|+|E_R(C_j)|)×N)，其中∑(|E_A(C_j)|+|E_R(C_j)|)可能的最大值为N，随着迭代的进行其取值将急速降低。

初始时，M²Clustering聚类算法随机地选取k个聚类对象，完成初始质心的构建；之后，每一次循环迭代过程中，对所有聚类对象e_i∈E依次计算其与质心C_j(1≤j≤k)之间的相似度，并将其赋予与其相似度最高的质心，相应的最高相似度记为sim_max(i)；一次迭代结束时，计算目标函数的当前值并与上次迭代的目标函数取值进行比较，若其差值小于阈值∈则结束迭代。实验结果表明，多数情况下M²Clustering算法在100次迭代内收敛。

Claims (9)

1.一种基于跨模态节点链接聚类的社区发现方法，采用以跨模态节点链接为聚类对象的重叠式社区发现体系，融合跨模态特征与模态内特征两类相似性度量特征的节点链接相似度量化方法，刻画移动社交空间所蕴含的多模态实体属性及交互信息，将相似度高的跨模态节点链接划分至同一社区。

2.根据权利要求1所述的一种基于跨模态节点链接聚类的社区发现方法，其特征在于：所述的跨模态特征主要利用不同模态节点之间的交互信息，用一个模态实体的信息描述另一个模态实体的特征。

3.根据权利要求1所述的一种基于跨模态节点链接聚类的社区发现方法，其特征在于：所述的模态内特征兼顾同一模态节点之间的交互信息与属性信息，利用与目标实体隶属同一模态的信息对其进行描述的特征。

4.根据权利要求2所述的一种基于跨模态节点链接聚类的社区发现方法，其特征在于：所述的跨模态特征包括用户-地点相似度，利用地点类型向量刻画用户特征。

5.根据权利要求2所述的一种基于跨模态节点链接聚类的社区发现方法，其特征在于：所述的跨模态特征包括地点-用户相似度，利用用户向量刻画地点类型特征。

6.根据权利要求3所述的一种基于跨模态节点链接聚类的社区发现方法，其特征在于：所述的模态内特征包括用户社会相似度，利用朋友关系描述用户特征。

7.根据权利要求3所述的一种基于跨模态节点链接聚类的社区发现方法，其特征在于：所述的模态内特征包括用户空域相似度，利用空间活动半径描述用户特征。

8.根据权利要求3所述的一种基于跨模态节点链接聚类的社区发现方法，其特征在于：所述的模态内特征包括地点时域相似度，利用时域热度向量刻画地点类型特征。

9.根据权利要求1-8任一所述的一种基于跨模态节点链接聚类的社区发现方法，其特征在于：所述的社区发现方法还包括基于元数据的社区诠释机制，通过计算社区中每一用户成员与地点成员的隶属度，然后基于社区中重要成员的元数据对社区特征进行刻画与诠释。