CN109067588A - 一种基于局部标签信息的半监督非重叠社区发现方法 - Google Patents

Abstract

本发明公开了一种基于局部标签信息的半监督非重叠社区发现方法。本发明与传统LPA算法相比在准确度方面有所提高，而且，加入局部标签先验信息的算法与未加入先验信息的算法相比，社区发现准确度明显要提高很多。特别是当网络中社区结构不明显的情况下，本发明所提出的算法依然可以达到较高的社区发现准确度。本发明的时间复杂度为O(m)，故本发明虽然提高了社区发现准确度但时间复杂度并没有增加。

Description

一种基于局部标签信息的半监督非重叠社区发现方法

技术领域

本发明涉及社区发现方法技术领域，具体涉及一种基于局部标签信息的半监督非重叠社区发现方法。

背景技术

现实世界里，许多复杂***都可以被描述成复杂网络的形式。社区结构作为复杂网络的重要特性之一，在人们的生活中扮演着重要的角色。及时、准确的发现网络中所隐藏的社区结构，进而分析复杂***的内部特征，不仅可以指导人们的生产活动，而且对于理解并控制复杂***也有很大的帮助。

传统的社区发现算法由于时间复杂高、划分结果准确率低、需要事先指定社区规模等原因而不能得到广泛的应用。

传统社区发现方法有LPA算法，LPA算法的时间复杂度为O(m)。与以往的社区发现算法相比，LPA算法大大减少了运算的时间，其线性的时间复杂度使得大规模网络中的社区发现成为可能。虽然LPA算法的时间复杂度很低，但其在标签传播过程中，仅仅考虑了网络中邻居节点的标签信息，这就使得当邻居节点中出现频率最大的标签不止一个时，其会从出现频率最大的标签集中随机选取一个标签来作为当前节点的标签。尤其是在处于社区边缘的节点较多的网络，由于节点处于两个不同的社区之间，其随机选择性概率更大，更容易造成社区划分的准确率不高。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于局部标签信息的半监督非重叠社区发现方法解决了传统的社区发现算法由于时间复杂高、划分结果准确率低、需要事先指定社区规模的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种基于局部标签信息的半监督非重叠社区发现方法，包括以下步骤：

S1、结合网络中的must-in、cannot-in标签先验信息，将网络G(V,E)中的节点对加入到含有must-link和cannot-link先验信息的节点对集合D^T和D^N，并构造网络的社区相同矩阵M；

S2、从网络G(V,E)中任意选择一个节点v_i；

S3、找到节点v_i的邻居节点集neighbor(v_i)，当存在v_j∈neighbor(v_i)，使得(v_i,v_j)∈D^T时，则l(v_i)←l(v_j)，l()为节点标签集；

S4、当节点v_i不存在带有正标签的邻居节点，存在v_k∈neighbor(v_i)，且(v_i,v_k)∈D^N，则将l(v_k)从其邻居节点标签集上删去，从余下的标签集中选择出现频率最大的标签作为节点v_i的社区归属；

S5、当网络G(V,E)中的任意一个节点的标签是其邻居节点中出现频率最大的标签时，结束该方法，否则返回步骤S2。

进一步地：所述步骤S5中的标签包括正标签和负标签，所述正标签包括must-in和must-link标签，所述负标签包括cannot-in和cannot-link标签。

进一步地：所述网络G(V,E)的节点对为D，D＝D^T∪D^N∪D^U，D^U为网络中不确定具体关系的节点对。

进一步地：所述网络的社区相同矩阵M的取值为：M_ij＝1表示节点v_i和节点v_j在同一个社区内，M_ij＝-1表示节点v_i和节点v_j不在同一个社区内，M_ij＝0表示节点v_i和节点v_j的社区归属不清楚。

本发明的有益效果为：本发明与传统LPA算法相比在准确度方面有所提高，而且，加入局部标签先验信息的算法与未加入先验信息的算法相比，社区发现准确度明显要提高很多。特别是当网络中社区结构不明显的情况下，本发明所提出的算法依然可以达到较高的社区发现准确度。本发明的时间复杂度为O(m)，故本发明虽然提高了社区发现准确度但时间复杂度并没有增加。

附图说明

图1为本发明流程图；

图2为本发明实施例中含有正负标签先验知识的网络；

图3为本发明实施例中Q值随标签个数增加而变化的量；

图4为本发明实施例中LFR benchmark网络中NMI值随标签个数增加的变化量。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

如图1所示，一种基于局部标签信息的半监督非重叠社区发现方法，包括以下步骤：

S1、结合网络中的must-in(必须包含)、cannot-in(不能包含)标签先验信息，将网络G(V,E)中的节点对加入到含有must-link(必须相关)和cannot-link(不能相关)先验信息的节点对集合D^T和D^N，并构造网络的社区相同矩阵M；在社交网络中，事先知道甲和乙在同一个社区内，则甲和乙之间存在must-link信息，在社区划分之前已经知道甲属于某一个社区，则网络中存在must-in信息，通过cannot-link信息和cannot-in不仅可以知道甲属于某个社区，也可以知道乙不属于某个社区；网络G中V为节点的集合，E为边的集合。

S2、从网络G(V,E)中任意选择一个节点v_i。

S3、找到节点v_i的邻居节点集neighbor(v_i)，当存在v_j∈neighbor(v_i)，使得(v_i,v_j)∈D^T时，则l(v_i)←l(v_j)，l()为节点标签集。

S4、当节点v_i不存在带有正标签的邻居节点，存在v_k∈neighbor(v_i)，且(v_i,v_k)∈D^N，则将l(v_k)从其邻居节点标签集上删去，从余下的标签集中选择出现频率最大的标签作为节点v_i的社区归属。

S5、当网络G(V,E)中的任意一个节点的标签是其邻居节点中出现频率最大的标签时，结束该方法，否则返回步骤S2。

在本发明实施例中，步骤S5中的标签包括正标签和负标签，正标签包括must-in和must-link标签，所述负标签包括cannot-in和cannot-link标签。

在本发明实施例中，所述网络G(V,E)的节点对为D，D＝D^T∪D^N∪D^U，D^U为网络中不确定具体关系的节点对。

在本发明实施例中，所述网络的社区相同矩阵M的取值为：M_ij＝1表示节点v_i和节点v_j在同一个社区内，M_ij＝-1表示节点v_i和节点v_j不在同一个社区内，M_ij＝0表示节点v_i和节点v_j的社区归属不清楚。

如图2所示，在网络结构中，虽然不知道节点3的社区划分，但知道其一定不属于社区1和社区2内。虽然不知道节点1和节点2的社区划分，但事先知道两者不在同一个社区内，利用这些负标签信息并结合网络中的正标签信息共同实现社区发现。对于网络中的节点集N可以分为3类，包括网络中含有must-in先验信息的节点集N^T、网络中含有cannot-in信息的节点集N^N以及未知其社区归属的节点集N^U，故N＝N^T∪N^N∪N^U。对于明确其社区归属的节点集N^T，建立其正标签隶属矩阵L，对于明确其社区不归属的节点集N^N，建立其负标签隶属矩阵对于中的任意节点v_i和v_j，有以下结论：

如果v_i∈C_k，v_j∈C_k，则(v_i,v_j)∈D^T，C_k为第k个社区；

如果v_i∈C_k，v_j∈C_q，且k≠q，则(v_i,v_j)∈D^N，C_q为第q个社区；

如果v_i∈C_k，则(v_i,v_j)∈D^N。

对于D^T∪D^N中的节点对，

如果(v_i,v_j)∈D^T，(v_j,v_k)∈D^T，则(v_i,v_k)∈D^T；

如果(v_i,v_j)∈D^T，(v_j,v_k)∈D^N，则(v_i,v_k)∈D^N。

考虑到先验信息对真实网络中的社区发现具有推动作用，故本发明分别在以上具有较大提升空间的karate数据集和polbooks数据集上逐步增大算法中正负标签的个数，并以模块度函数Q作为社区发现准确率的衡量标准，其实验结果如图3所示，无论是karate数据集还是polbooks数据集，随着含有先验信息的标签个数的增多，本发明的社区发现准确度得到了显著的增加。故适当增加网络中含有先验信息的标签个数，可以显著提高社区发现的准确率。

为研究标签信息对社区发现的作用，本发明在社区结构不明显的u＝0.9的LFRbenchmark网络中逐步增大算法中的正负标签的比例，以此来提高社区发现的准确率。具体实验结果如图4所示，即便是在u＝0.9(μ为混合系数，μ值越大，则社区间的边数越多，社区结构越不明显)这种社区结构十分不明显的网络中，随着网络中先验信息的增加，社区发现的NMI值也随之提高。所以，有效利用网络中所存在的少量先验信息对于指导社区发现并提高算法本身的准确率方面具有重要的作用。

Claims (4)

1.一种基于局部标签信息的半监督非重叠社区发现方法，其特征在于，包括以下步骤：

S1、结合网络中的must-in、cannot-in标签先验信息，将网络G(V,E)中的节点对加入到含有must-link和cannot-link先验信息的节点对集合D^T和D^N，并构造网络的社区相同矩阵M；

S2、从网络G(V,E)中任意选择一个节点v_i；

S3、找到节点v_i的邻居节点集neighbor(v_i)，当存在v_j∈neighbor(v_i)，使得(v_i,v_j)∈D^T时，则l(v_i)←l(v_j)，l()为节点标签集；

S4、当节点v_i不存在带有正标签的邻居节点，存在v_k∈neighbor(v_i)，且(v_i,v_k)∈D^N，则将l(v_k)从其邻居节点标签集上删去，从余下的标签集中选择出现频率最大的标签作为节点v_i的社区归属；

S5、当网络G(V,E)中的任意一个节点的标签是其邻居节点中出现频率最大的标签时，结束该方法，否则返回步骤S2。

2.根据权利要求1所述的基于局部标签信息的半监督非重叠社区发现方法，其特征在于，所述步骤S5中的标签包括正标签和负标签，所述正标签包括must-in和must-link标签，所述负标签包括cannot-in和cannot-link标签。

3.根据权利要求1所述的基于局部标签信息的半监督非重叠社区发现方法，其特征在于，所述网络G(V,E)的节点对为D，D＝D^T∪D^N∪D^U，D^U为网络中不确定具体关系的节点对。

4.根据权利要求1所述的基于局部标签信息的半监督非重叠社区发现方法，其特征在于，所述网络的社区相同矩阵M的取值为：M_ij＝1表示节点v_i和节点v_j在同一个社区内，M_ij＝-1表示节点v_i和节点v_j不在同一个社区内，M_ij＝0表示节点v_i和节点v_j的社区归属不清楚。