CN111008338A - 一种基于层次聚类的社交网络多尺度结构挖掘方法及介质 - Google Patents

Abstract

本发明请求保护一种基于层次聚类的多尺度社交网络社区发现方法及介质，属于社区发现领域，通过将各个社交网络用户视为网络中的独立节点，然后使用用户的好友关系、互动数据计算节点相似度，最后结合层次聚类算法挖掘社区结构。方法包括以下步骤：社交网络数据统计，计算邻接矩阵，使用层次聚类算法发现多尺度社交网络社区结构，社交网络社区结构优化。本发明的方法基于层次聚类理论挖掘多层次、多尺度的社区结构，相比于传统社区，本方法发现提供了更加立体、丰富的信息，从而进一步提高了社区发现的质量，提升了基于社区发现的广告推送、好友推荐等操作的效果。

Description

一种基于层次聚类的社交网络多尺度结构挖掘方法及介质

技术领域

本发明属于计算机社交网络领域，尤其涉及面向社交网络的社区检测方法。

背景技术

社区是指网络中的“小团体”，社区内节点之间的联系较为密切，而不同社区间的节点联系不密切。社区结构普遍存在于现实生活中。例如，在蛋白质相互作用网络中，细胞内具有相同功能的蛋白质很可能会构成一个社区；在万维网中，关于同一主题的网页很可能构成一个社区等等。社区发现的目的是发现网络中的社区结构，从而更好的研宄网络，服务社会。例如，研究万维网中的社区可以为用户提供更好的网络服务；研究顾客和商品间的购物关系网中的社区可以更好的构建推荐系统等等。所以社区发现引起了人们的广泛关注。

社交网络社区可以为用户提供有价值的、可靠的、及时的信息。对社区的深人研究可以了解社区中知识信息及其组织结构的发展状况。社区也有利于商家准确地找到客户。发现这些社区可以帮助我们对于社交网络的知识性和社会性做出评估，也可以研究某个方面感兴趣用户的组成形式。因此，采用将社交网络信息以社区的形式组织，为信息查询提供了有效和便捷的途径。网络社区结构发现可以从复杂网络中提取有规律、有价值的信息。因此，对于复杂网络社区结构发现的研究具有广泛的应用前景和十分重要的意义。社区发现研究的就是如何准确的识别出复杂网络中的社区结构。

传统的社区发现算法是将网络划分成若干个互不相连的社区，网络中每个节点和边只能隶属一个固定社区。包括模块度优化方法，层次聚类算法，标签传播算法和信息论算法。

但实际上，给定的节点在属于一个小局部社区的同时,往往会属于一个较大的社区。深入研究社交网络中社区之间的从属关系可以为提供更多社交网络社区的结构信息，因此多尺度社区发现也很有意义和价值。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种基于层次聚类的社交网络多尺度结构挖掘方法。本发明的技术方案如下：

一种基于层次聚类的社交网络多尺度结构挖掘方法，其包括以下步骤：

S1：计算机对社交网络用户交互数据进行统计，以用户为点，构成网络G＝<V,E>，V表示网络中点的集合，E表示网络中边的结合，基于获取的交互数据计算每两个用户间的用户关联度LH；

S2：计算机使用单连接层次聚类算法的准则，参照用户关联度LH不断添加边到网络的边集E中，每添加一条边就视为将该边连接的两个连通域合并为一个聚类簇，直到网络G＝<V,E>成为连通图；

S3：计算机根据S2中层次聚类添加边的顺序，生成二叉树状图；

S4：计算机依据先验知识对S3中生成的二叉树状图进行结构优化，使其更加接近社交网络真实结构；

S5：计算机输出最终的社区挖掘结果，用于后续推荐系统的构建。

进一步的，所述步骤S1对社交网络用户交互数据进行统计，以用户为点，构成网络G＝<V,E>，基于获取的交互数据计算每两个用户间的用户关联度LH，具体为：

S11：获取社交网络用户与其他用户的交互数据；

S12：构建网络G＝<V,E>，i,j∈V，其中

表示社交网络中共n个的用户，

表示网络G＝<V,E>中连接节点i与节点j的边，视网络中每一个连通域为一个聚类簇；

S13初始化

即网络G中没有边，所有节点各自属于一个独立的聚类簇；

S14：计算用户间的关联度

用于描述i，j两个节点之间的亲近程度，其值越大，表示两个用户之间关系越近；关联度计算公式如下：

其中f_i ^j表示用户i与用户j交互次数占用户i总交互次数的比例，

表示用户j与用户i交互次数占用户j总交互次数的比例，ε表示一个无穷小的数，以避免除0的情形.

进一步的，所述步骤S2具体为：

S21：初始化未添加边对应的相似度集合为LH′＝LH；边添加序列

S22：抽取LH′中值最大的个体，找到其对应的边e_i,j，如果其所属的节点i与节点j属于同一聚类簇即通过边添加序列ES中的边连通，则放弃向ES中添加边e_i,j，如果其所属的节点i与节点j不属于同一聚类簇，则将节点i与节点j所属的两个簇合并，并将边e_i,j添加进边添加序列ES中；

S23：若已添加边序列ES中边的数量达到n-1,则进入步骤S3，否则返回步骤S22。

进一步的，所述步骤S3根据S2中层次聚类添加边的顺序，生成二叉树状图，具体为：

S31：初始化树状图T为空图；

S32：取出边添加序列ES中当前所包含的添加时间最早的边e_i,j；

S33：如果网络G中的节点i未出现在树状图上，则在树状图T中新建叶子节点以代表仅包含了网络G中的节点i的簇，如果网络G中的节点j未出现在树状图上，则在树状图T中新建叶子节点以代表仅包含网络G中的节点j的簇；

S34：将树状图T中包含节点i的最大的簇与包含j的最大的簇作为两个子节点连接到新建的父节点，父节点代表的簇包含两个子节点簇所包含的所有网络G中的节点；

S35：如果ES不为空，跳转至步骤S32；

S36：获取生成完毕的树状图T。

进一步的，所述步骤S4计算机依据先验知识对S3中生成的二叉树状图进行结构优化具体步骤为：

S41：根据先验知识，给出最小簇规模K，描述树状图T中除叶子节点外最小的簇的大小；

S42：对树状图T的根节点进行优化操作。

进一步的，所述步骤S42的对树状图T某节点parent的优化操作具体为：

若节点parent所代表簇的规模小于K，则将节点parent及其以下结构改动，变为节点parent所代表的簇中的所有节点个体直接作为叶子节点连接至parent的父节点。否则对parent的两个子节点执行优化操作。

一种介质，该存储介质内部存储计算机程序，所述计算机程序被处理器读取时，执行上述权利要求1～6任一项的方法。

本发明的优点及有益效果如下：

本发明的方法基于层次聚类算法挖掘社交网络中的社区结构信息，创新地通过保留凝聚层次聚类流程中的关键信息并对依据该信息生成的二叉结构树进行优化，重建了不同尺度上社区之间的结构关系。相比传统社区发现算法，本方法能够挖掘出社交网络中社区的立体结构信息，从而进一步提高社区发现质量。

附图说明

图1是本发明提供优选实施例基于层次聚类的社交网络多尺度结构挖掘方法的流程图；

图2是生成二叉树状图；

图3是优化树状图；

图4是传统社区发现结果

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

本发明解决上述技术问题的技术方案是：

图1为根据本发明实施方式的一种基于层次聚类的社交网络多尺度结构挖掘方法的流程图，如图1所示，本发明方法的步骤如下：

S1：对某公司一部门内部网络用户交互数据进行统计，以用户为点，构成网络G＝<V,E>，基于获取的交互数据计算每两个用户间的关联度LH；

步骤S1具体为：

S11：获取用户与其他用户的交互数据，其中一段时间内用户交互数据如下所示；

节点	v1	v2	v3	v4	v5	v6	v7	v8	v9	v10	v11	v12
													v1	0	152	97	238	23	24	7	17	2	0	5	0
v2	137	0	165	215	67	16	12	5	0	1	7	3
													v3	97	155	0	129	8	4	2	0	2	7	9	8
v4	248	194	172	0	3	0	7	8	0	13	5	3
													v5	15	62	5	3	0	132	146	121	0	0	0	0
v6	12	6	2	0	257	0	104	133	2	8	7	1
													v7	5	8	3	5	131	99	0	192	83	10	2	0
v8	12	3	0	5	113	122	183	0	3	4	0	5
													v9	1	0	3	0	0	1	79	2	0	120	115	148
v10	0	0	5	8	0	9	8	3	136	0	117	134
													v11	3	2	7	3	0	6	1	0	124	102	0	110
v12	0	2	2	1	0	1	0	3	100	104	121	0

其中第i行第j列单元格的数值表示用户i向用户j发送消息的次数。

S12：构建网络G＝<V,E>，i,j∈V。其中

表示社交网络中共n个的用户，

表示网络G＝<V,E>中连接节点i与节点j的边，视网络中每一个连通域为一个聚类簇，其中V＝(V₁，V₂，V₃，V₄，V₅，V₆，V₇，V₈，V₉，V₁₀，V₁₁，V₁₂)共12个用户。

S13初始化

即网络G中没有边，所有节点各自属于一个独立的聚类簇；

S14：依据该数据计算用户间的关联度

用于描述i，j两个节点之间的亲近程度，其值越大，表示两个用户之间关系越近；关联度计算公式如下：

其中f_i ^j表示用户i与用户j交互次数占用户i总交互次数的比例，ε表示一个足够小的数，以避免除0的情形；

依据S11中数据计算得用户间关联度如下表所示：

节点	v1	v2	v3	v4	v5	v6	v7	v8	v9	v10	v11
												v1
v2	0.2361
												v3	0.1920	0.3019
v4	0.3945	0.3132	0.2393
												v5	0.0309	0.1117	0.0054	0.0027
v6	0.0255	0.0123	0.0012	0.0000	0.3441
												v7	0.0073	0.0129	0.0031	0.0066	0.2646	0.1847
v8	0.0240	0.0043	0.0000	0.0082	0.2457	0.2552	0.3752
												v9	0.0010	0.0000	0.0039	0.0000	0.0000	0.0010	0.1562	0.0027
v10	0.0000	0.0000	0.0074	0.0155	0.0000	0.0139	0.0149	0.0049	0.2810
												v11	0.0054	0.0047	0.0150	0.0049	0.0000	0.0110	0.0013	0.0000	0.2824	0.2768
v12	0.0000	0.0028	0.0020	0.0016	0.0000	0.0008	0.0000	0.0066	0.3024	0.3102	0.3276

其中第i行第j列单元格的数值表示用户i与用户j之间的关联度，由于lh(i,j)＝lh(j,i)以及lh(i,i)没有实际意义，简明起见，省略重复或无意义的部分。

S2：使用单连接层次聚类算法的准则，参照LH不断添加边到网络的边集E中，每添加一条边就视为将该边连接的两个连通域合并为一个聚类簇，直到网络G＝<V,E>成为连通图；

步骤S2具体为：

S21：初始化未添加边对应的相似度集合为LH′＝LH；边添加序列

S22：抽取LH′中值最大的个体，找到其对应的边e_i,j，如果其所属的节点i与节点j属于同一聚类簇(通过边添加序列ES中的边连通)，则放弃向ES中添加边e_i,j，如果其所属的节点i与节点j不属于同一聚类簇，则将节点i与节点j所属的两个簇合并，并将边e_i,j添加进边添加序列ES中；

S23：若已添加边序列ES中边的数量达到n-1,则进入步骤S3，否则返回步骤S22；其中，根据S14中的关联度表格，按照步骤S2处理后，向网络G中添加边的顺序如下：e_1,4,e_7,8,e_5,6,e_10,12,e_11,12,e_2,4,e_2,3,e_9,12,e_5,7,e_7,9,e_2,5。其对应连接的节点间的关联度为：0.3945，0.3752，0.3440，0.3276，0.3102，0.3132，0.3018，0.3023，0.2646，0.1562，0.1116。

S3：根据S2中添加边的顺序，生成二叉树状图；

步骤S3具体为：

S31：初始化树状图T为空图

S32：取出边添加序列ES中当前所包含的添加时间最早的边e_i,j；

S33：如果网络G中的节点i未出现在树状图上，则在树状图T中新建叶子节点以代表仅包含了网络G中的节点i的簇，如果网络G中的节点j未出现在树状图上，则在树状图T中新建叶子节点以代表仅包含网络G中的节点j的簇；

S34：将树状图T中包含节点i的最大的簇与包含j的最大的簇作为两个子节点连接到新建的父节点，父节点代表的簇包含两个子节点簇所包含的所有网络G中的节点；

S35：如果ES不为空，跳转至步骤S32；

S36：获取生成完毕的树状图T；

其中按步骤S23中的序列生成的树状图如图2所示，图中每个方块表示一个聚类簇，方块中的数组表示包含的节点。

S4：依据先验知识对S3中生成的二叉树状图进行结构优化，使其更加接近社交网络真实结构。

步骤S4具体为：

S41：根据先验知识，给出最小簇规模K，描述树状图T中除叶子节点外最小的簇的大小；

S42：对树状图T的根节点进行优化操作；

进一步的，所述的对树状图T某节点parent的优化操作具体为：

优化操作：若节点parent所代表簇的规模小于K，则将节点parent及其以下结构改动，变为节点parent所代表的簇中的所有节点个体直接作为叶子节点连接至parent的父节点。否则对parent的两个子节点执行优化操作。

其中将步骤S36中的树状图按K＝4优化后结果如图3所示，图中每个方块表示一个聚类簇，方块中的数组表示包含的节点，而传统社区发现的结果会如图4所示。

S5：输出最终的社区挖掘结果，将结果传递给社交网络分析人员，用于后续推荐系统的构建。可以看出本发明方法生成的社区发现结果比传统社区发现方法提取了更加丰富的结构关系。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (7)

1.一种基于层次聚类的社交网络多尺度结构挖掘方法，其特征在于，包括以下步骤：

S1：计算机对社交网络用户交互数据进行统计，以用户为点，构成网络G＝<V,E>，V表示网络中点的集合，E表示网络中边的结合，基于获取的交互数据计算每两个用户间的用户关联度LH；

S2：计算机使用单连接层次聚类算法的准则，参照用户关联度LH不断添加边到网络的边集E中，每添加一条边就视为将该边连接的两个连通域合并为一个聚类簇，直到网络G＝<V,E>成为连通图；

S3：计算机根据S2中层次聚类添加边的顺序，生成二叉树状图；

S4：计算机依据先验知识对S3中生成的二叉树状图进行结构优化，使其更加接近社交网络真实结构；

S5：计算机输出最终的社区挖掘结果，用于后续推荐系统的构建。

2.根据权利要求1所述的一种基于层次聚类的社交网络多尺度结构挖掘方法，其特征在于，所述步骤S1对社交网络用户交互数据进行统计，以用户为点，构成网络G＝<V,E>，基于获取的交互数据计算每两个用户间的用户关联度LH，具体为：

S11：获取社交网络用户与其他用户的交互数据；

S12：构建网络G＝<V,E>，i,j∈V，其中

表示社交网络中共n个的用户，

表示网络G＝<V,E>中连接节点i与节点j的边，视网络中每一个连通域为一个聚类簇；

S13初始化

即网络G中没有边，所有节点各自属于一个独立的聚类簇；

S14：计算用户间的关联度

用于描述i，j两个节点之间的亲近程度，其值越大，表示两个用户之间关系越近；关联度计算公式如下：

其中f_i ^j表示用户i与用户j交互次数占用户i总交互次数的比例，

表示用户j与用户i交互次数占用户j总交互次数的比例，ε表示一个无穷小的数，以避免除0的情形。

3.根据权利要求2所述的一种基于层次聚类的社交网络多尺度结构挖掘方法，其特征在于，所述步骤S2具体为：

S21：初始化未添加边对应的相似度集合为LH′＝LH；边添加序列

S22：抽取LH′中值最大的个体，找到其对应的边e_i,j，如果其所属的节点i与节点j属于同一聚类簇即通过边添加序列ES中的边连通，则放弃向ES中添加边e_i,j，如果其所属的节点i与节点j不属于同一聚类簇，则将节点i与节点j所属的两个簇合并，并将边e_i,j添加进边添加序列ES中；

S23：若已添加边序列ES中边的数量达到n-1,则进入步骤S3，否则返回步骤S22。

4.根据权利要求3所述的一种基于层次聚类的社交网络多尺度结构挖掘方法，其特征在于，所述步骤S3根据S2中层次聚类添加边的顺序，生成二叉树状图，具体为：

S31：初始化树状图T为空图；

S32：取出边添加序列ES中当前所包含的添加时间最早的边e_i,j；

S33：如果网络G中的节点i未出现在树状图上，则在树状图T中新建叶子节点以代表仅包含了网络G中的节点i的簇，如果网络G中的节点j未出现在树状图上，则在树状图T中新建叶子节点以代表仅包含网络G中的节点j的簇；

S34：将树状图T中包含节点i的最大的簇与包含j的最大的簇作为两个子节点连接到新建的父节点，父节点代表的簇包含两个子节点簇所包含的所有网络G中的节点；

S35：如果ES不为空，跳转至步骤S32；

S36：获取生成完毕的树状图T。

5.根据权利要求4所述的一种基于层次聚类的社交网络多尺度结构挖掘方法，其特征在于，，所述步骤S4计算机依据先验知识对S3中生成的二叉树状图进行结构优化具体步骤为：

S41：根据先验知识，给出最小簇规模K，描述树状图T中除叶子节点外最小的簇的大小；

S42：对树状图T的根节点进行优化操作。

6.根据权利要求5所述的一种基于层次聚类的社交网络多尺度结构挖掘方法，其特征在于，所述步骤S42的对树状图T某节点parent的优化操作具体为：

若节点parent所代表簇的规模小于K，则将节点parent及其以下结构改动，变为节点parent所代表的簇中的所有节点个体直接作为叶子节点连接至parent的父节点。否则对parent的两个子节点执行优化操作。

7.一种介质，该存储介质内部存储计算机程序，其特征在于，所述计算机程序被处理器读取时，执行上述权利要求1～6任一项的方法。

Images