本發(fā)明屬于數(shù)據(jù)挖掘技術(shù)領(lǐng)域，具體涉及一種帶屬性社交網(wǎng)絡(luò)重疊社區(qū)劃分方法，可用于用戶畫像、個性化推薦和自動好友分類。

背景技術(shù)：

社區(qū)結(jié)構(gòu)是復(fù)雜網(wǎng)絡(luò)的一個重要屬性，它是指網(wǎng)絡(luò)可以劃分成很多社區(qū)，社區(qū)內(nèi)的點緊密相連，社區(qū)間的點連接稀疏。同一社區(qū)內(nèi)的點往往具有相似的性質(zhì)，可以提供重要的信息。社區(qū)檢測就是發(fā)現(xiàn)隱藏在網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)，其對理解網(wǎng)絡(luò)的功能，探索隱藏在網(wǎng)絡(luò)中的信息，追蹤網(wǎng)絡(luò)的行為有重要意義。近年來，隨著facebook、twitter、微信、google+等社交網(wǎng)絡(luò)的飛速發(fā)展，針對社交網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)方法迫切需求。

針對社交網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)問題，已經(jīng)存在多種不同的優(yōu)化算法。girvan等人于2002年提出了基于分割邊介數(shù)的社區(qū)檢測方法gn，該方法與類似算法相比其運行速度大為改進。newman于2004年提出了極大化網(wǎng)絡(luò)模塊度q函數(shù)的算法fn，至此q成為了評價社區(qū)檢測的重要指標(biāo)。上述的這些算法只關(guān)注了網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)。然而，與一般網(wǎng)絡(luò)相比，社交網(wǎng)絡(luò)擁有更豐富的信息。社交網(wǎng)絡(luò)中的用戶除了擁有豐富的邊連接關(guān)系之外，還擁有豐富的屬性信息，比如：年齡，愛好，高中畢業(yè)學(xué)校，職業(yè)，政治立場等。邊連接關(guān)系是一種強關(guān)系，若有邊相連的兩個用戶，則說明他們屬于一個圈子。而屬性是一種弱關(guān)系，屬于同一個圈子的用戶往往在某些屬性上趨于一致，因此結(jié)構(gòu)和屬性信息對于社區(qū)發(fā)現(xiàn)來說都是有用信息。

近年來，國內(nèi)外學(xué)者提出了一些同時考慮結(jié)構(gòu)和屬性信息的社區(qū)發(fā)現(xiàn)算法。例如zhou等人提出了sa-cluster算法，其將屬性信息作為節(jié)點對網(wǎng)絡(luò)進行擴充，構(gòu)建了隨機游走模型來評價節(jié)點的緊密度。但是該方法需要事先指定社區(qū)個數(shù)，而社區(qū)的數(shù)目在真實的網(wǎng)絡(luò)中通常是未知的。dang等人提出了算法sac1和sac2，這兩種算法均設(shè)計了兩個函數(shù)來評價網(wǎng)絡(luò)的結(jié)構(gòu)和屬性相似度，并通過對兩個目標(biāo)加權(quán)求和轉(zhuǎn)化為單目標(biāo)來優(yōu)化。然而，該方法需要人工指定目標(biāo)權(quán)重，收斂速度慢。

上述的所有算法都沒有考慮社區(qū)的重疊關(guān)系，而社交網(wǎng)絡(luò)中的一個人可以屬于多個圈子，因而不能更好的實現(xiàn)微信和facebook網(wǎng)絡(luò)中的自動好友分類。

為此，liu等人于2010年提出了一個基于多目標(biāo)進化的重疊社區(qū)檢測算法，其應(yīng)用了基于排列的編碼方式，從而可以獲得重疊社區(qū)劃分，但該方法由于沒有考慮節(jié)點的屬性信息，不適用于帶屬性社交網(wǎng)絡(luò)社區(qū)劃分。

綜上，現(xiàn)有技術(shù)針對社交網(wǎng)絡(luò)由于沒有同時考慮節(jié)點的屬性信息和社區(qū)之間的重疊關(guān)系，因而得到的網(wǎng)絡(luò)劃分不準(zhǔn)確。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于針對上述現(xiàn)有技術(shù)的不足，提出一種基于多目標(biāo)進化的帶屬性社交網(wǎng)絡(luò)社區(qū)劃分方法，以提高網(wǎng)絡(luò)劃分的準(zhǔn)確性。

本發(fā)明的技術(shù)思路是：針對社交網(wǎng)絡(luò)的屬性信息，對多目標(biāo)優(yōu)化算法moea/d進行改進，構(gòu)建了屬性相似度函數(shù)sa，應(yīng)用局部貪婪的思想，設(shè)計局部結(jié)構(gòu)和屬性相似度最優(yōu)的解碼方式，獲得有實際意義的重疊社區(qū)；并通過優(yōu)化兩個目標(biāo)函數(shù)eq和sa，獲得高度準(zhǔn)確的社區(qū)劃分。

根據(jù)上述思路，本發(fā)明的技術(shù)方案包括如下操作：

(1)設(shè)定參數(shù)：即設(shè)定種群中染色體的個數(shù)m為100，最大迭代次數(shù)g為1000，種群中染色體的鄰居個數(shù)tn為20，網(wǎng)絡(luò)中節(jié)點的個數(shù)表示為n；

(2)初始化種群：將迭代次數(shù)t的初始設(shè)置為1，應(yīng)用基于排列的編碼表示，隨機生成m個染色體，記為a(p1)，a(p2)，…，a(pj)，…a(pm)，其中a(pj)表示種群中第j個染色體，j＝1，2……m；

(3)基于局部結(jié)構(gòu)和屬性緊密度對種群中的染色體a(pj)進行解碼，生成具有重疊的社區(qū)劃分a(cj)；

(4)構(gòu)建屬性相似度函數(shù)sa為：

其中，z表示第z個社區(qū)，s(a,b)表示節(jié)點a和節(jié)點b的余弦相似度，rz代表社區(qū)z中節(jié)點的個數(shù)；

(5)利用拓展模塊度函數(shù)eq和屬性相似度函數(shù)sa，利用如下公式分別計算m個社劃分適應(yīng)度函數(shù)f：f＝λt×|eq-ft|+λa×|sa-fa|，

其中，ft代表當(dāng)前種群中所有個體的拓展模塊度函數(shù)eq最優(yōu)值，fa代表當(dāng)前種群中所有個體的屬性相似度函數(shù)sa最優(yōu)值，ft和fa初始化為無窮小，λt代表結(jié)構(gòu)緊密度權(quán)重，λa代表屬性相似度權(quán)重；

(6)產(chǎn)生新的染色體，生成新的種群：

(6a)初始化j為1，在a(pj)鄰居內(nèi)隨機選兩個染色體作為父代染色體a(pj¹)和并對這兩者進行匹配交叉，生成兩個新染色體和

(6b)對兩個父代新染色體a(pj¹)和進行解碼，生成兩個社區(qū)劃分a(cj¹)和對a(cj¹)和利用步驟(4)的公式分別計算其屬性相似度，并分別計算其拓展模塊度，再利用步驟(5)中的公式分別計算a(cj¹)的適應(yīng)度f1和的適應(yīng)度f2；

(6c)對兩個新染色體和進行解碼，生成兩個社區(qū)劃分和對和利用步驟(4)的公式分別計算其屬性相似度，并分別計算其拓展模塊度，再利用步驟(5)中的公式分別計算的適應(yīng)度f3和的適應(yīng)度f4；

(6d)將步驟(6b)與步驟(6c)的結(jié)果進行對比：如果f3大于f1，則用替代a(pj¹)；如果f4大于f2，則用替代否則不做替代；

(6e)對a(pj)染色體實施轉(zhuǎn)換基因位變異，生成一個新染色體

(6f)對a(pj)解碼生成社區(qū)劃分a(cj)，利用步驟(4)的公式計算其屬性相似度，并計算其拓展模塊度，再利用步驟(5)中的公式計算其適應(yīng)度f6；

(6g)對新染色體解碼生成社區(qū)劃分利用步驟(4)的公式計算其屬性相似度，并計算其拓展模塊度，再利用步驟(5)中的公式計算的適應(yīng)度f5；

(6h)將步驟(6f)與步驟(6g)的結(jié)果進行對比：如果f5大于f6，則用替代a(pj)，否則不做替代；

(6i)判斷j是否等于m，若是，執(zhí)行步驟(7)；否則，令j＝j(luò)+1，返回步驟(6a)；

(7)判斷t是否等于g，如果是，輸出社區(qū)的劃分結(jié)果；否則，令t＝t+1，返回步驟(6)；

本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點：

1.本發(fā)明由于設(shè)計了評價屬性相似度的目標(biāo)函數(shù)sa，可有效處理社交網(wǎng)絡(luò)中的屬性信息。

2.本發(fā)明由于采用基于局部結(jié)構(gòu)和屬性相似度相結(jié)合的解碼方式?？色@得有實際意義的重疊社區(qū)。

3.本發(fā)明由于將多目標(biāo)算法應(yīng)用于帶屬性社交網(wǎng)絡(luò)社區(qū)劃分中，并通過優(yōu)化eq和sa兩個目標(biāo)函數(shù)，提高了社區(qū)劃分的準(zhǔn)確性。

附圖說明

圖1是本發(fā)明的實現(xiàn)流程圖；

圖2是本發(fā)明對實驗數(shù)據(jù)仿真結(jié)果顯示圖。

具體實施方式

以下結(jié)合附圖，對本發(fā)明的技術(shù)方案和效果作進一步詳細(xì)描述。

參照圖1，本發(fā)明的實施步驟如下：

步驟1.設(shè)定參數(shù)。

設(shè)定種群中染色體的個數(shù)m為100，最大迭代次數(shù)g為1000，種群中染色體的鄰居個數(shù)tn為20，染色體中基因的個數(shù)表示為n。

步驟2.初始化種群。

將迭代次數(shù)t的初始設(shè)置為1，應(yīng)用基于排列的編碼表示，隨機生成m個染色體，記為a(p1)，a(p2)，…，a(pj)，…a(pm)，其中a(pj)表示種群中第j個染色體，j＝1，2……m，例如，如果n＝5，a<pj>的排列有多種形式，其中一種排列為<2,3,1,5,4>，另一種排列為<1,3,2,5,4>；同理，如果n＝6，a<pj>的一種排列為<2,3,1,5,4,6>，另一種排列為<1,6,3,2,5,4>。

步驟3.基于局部結(jié)構(gòu)和屬性緊密度對種群中的染色體a(pj)進行解碼，生成具有重疊的社區(qū)劃分a(cj)。

(3a)令社區(qū)集合為c，并初始為空，cz表示第z個社區(qū)，z＝1,2,……|c|，|c|表示c中社區(qū)的個數(shù)；

(3b)初始化i為1，在染色體a(pj)中選取第i個基因；

(3c)依次遍歷1到|c|個社區(qū)，將第i個基因放入cz中；

(3d)利用如下公式分別計算基因i加入cz社區(qū)前的局部結(jié)構(gòu)緊密度ql¹和基因i加入cz社區(qū)后的局部結(jié)構(gòu)緊密度ql²：

其中，kin^cz和kout^cz分別表示cz社區(qū)內(nèi)部的所有點的內(nèi)度和外度；

(3e)利用如下公式分別計算基因i加入cz社區(qū)前的局部屬性緊密度sl¹和基因i加入cz社區(qū)后的局部屬性緊密度sl²：

其中，s(a,b)表示節(jié)點a與節(jié)點b之間的屬性相似度，rcz代表社區(qū)z中節(jié)點的個數(shù)；

(3f)比較基因i加入cz社區(qū)前后ql和sl的值，用p表示(0,1)之間的隨機數(shù)：若不滿足(p<0.5且sl²>sl¹)或(p<0.8且ql²>ql¹)或(ql²>ql¹且sl²>sl¹)，則在社區(qū)cz中移出基因i，否則，不移出；

(3g)判斷基因i是否被加入社區(qū)，若不是，則構(gòu)建新社區(qū)cz+1，并將i加入cz+1，否則，不構(gòu)建；

(3h)判斷節(jié)點i是否等于基因的個數(shù)n，若是，解碼結(jié)束，否則，返回步驟(3b)。

步驟4.構(gòu)建屬性相似度函數(shù)sa為：

其中，z表示第z個社區(qū)，s(a,b)表示節(jié)點a和節(jié)點b的余弦相似度，rz代表第z個社區(qū)中節(jié)點的個數(shù)。

步驟5.構(gòu)建適應(yīng)度函數(shù)。

構(gòu)建適應(yīng)度函數(shù)，首先需要計算模塊度函數(shù)eq和屬性相似度函數(shù)sa，其中拓展模塊度函數(shù)eq的計算公式如下：

式中，m表示網(wǎng)絡(luò)中邊的個數(shù)，z表示第z個社區(qū)，ov表示節(jié)點v所屬社區(qū)的個數(shù)，ow表示節(jié)點w所屬于社區(qū)的個數(shù)，kv表示節(jié)點v的度，kw表示節(jié)點w的度，avw表示節(jié)點v和節(jié)點w的邊連接關(guān)系，當(dāng)節(jié)點v和節(jié)點w之間存在邊連接時，則avw的取值為1，否則，其值為0；

利用拓展模塊度函數(shù)eq和屬性相似度函數(shù)sa，得到計算m個社區(qū)劃分適應(yīng)度函數(shù)f：

f＝λt×|eq-ft|+λa×|sa-fa|，

其中，ft代表當(dāng)前種群中所有個體的拓展模塊度函數(shù)eq最優(yōu)值，fa代表當(dāng)前種群中所有個體的屬性相似度函數(shù)sa最優(yōu)值，ft和fa初始化為無窮小，λt代表結(jié)構(gòu)緊密度權(quán)重，λa代表屬性相似度權(quán)重。

步驟6.產(chǎn)生新的個體，生成新的種群。

(6a)初始化j為1，在a(pj)鄰居內(nèi)隨機選兩個染色體作為父代染色體a(pj¹)和并對這兩者進行匹配交叉，生成兩個父代新染色體和

(6b)對兩個父代染色體a(pj¹)和進行解碼，生成第1個社區(qū)劃分a(cj¹)和第2個社區(qū)劃分即利用步驟(4)的公式對a(cj¹)和分別計算其屬性相似度，并分別計算其拓展模塊度，再利用步驟(5)中的公式分別計算a(cj¹)的適應(yīng)度，即第1適應(yīng)度f1和的適應(yīng)度，即第2適應(yīng)度f2；

(6c)對兩個父代新染色體和進行解碼，生成第3個社區(qū)劃分和第4個社區(qū)劃分對這兩個新社區(qū)劃分和利用步驟(4)的公式分別計算其屬性相似度，并分別計算其拓展模塊度，再利用步驟(5)中的公式分別計算的適應(yīng)度，即第3適應(yīng)度f3和的適應(yīng)度，即第4適應(yīng)度f4；

(6d)將步驟(6b)與步驟(6c)的結(jié)果進行對比：如果f3大于f1，則用替代a(pj¹)，否則不做替代；如果f4大于f2，則用替代否則不做替代；

(6e)對a(pj)染色體實施轉(zhuǎn)換基因位變異，生成一個變異后的新染色體

(6f)對a(pj)進行解碼，生成第5個社區(qū)劃分利用步驟(4)的公式計算其屬性相似度，并計算其拓展模塊度，再利用步驟(5)中的公式計算其適應(yīng)度，即第5適應(yīng)度f5；

(6g)對變異后的新染色體進行解碼，生成第6個社區(qū)劃分利用步驟(4)的公式計算其屬性相似度，并計算其拓展模塊度，再利用步驟(5)中的公式計算的適應(yīng)度，即第6適應(yīng)度f6；

(6h)將步驟(6f)與步驟(6g)的結(jié)果進行對比：如果f6大于f5，則用替代a(pj)，否則不做替代；

(6i)判斷j是否等于m，若是，執(zhí)行步驟(7)；否則，令j＝j(luò)+1，返回步驟(6a)。

步驟7.判斷t是否等于g，如果是，輸出社區(qū)的劃分結(jié)果；否則，令t＝t+1，返回步驟(6)。

本發(fā)明的效果可以通過仿真實驗進行驗證：

1.實驗條件

1.1)實驗環(huán)境：處理器為intel(r)core(tm)i3cpu550@3.2ghz3.19ghz，內(nèi)存為3.05gb，硬盤為1t，操作系統(tǒng)為microsoftwindows7，編程環(huán)境為visiostudio2012。

1.2)實驗數(shù)據(jù)：

美國政治圖書網(wǎng)：該網(wǎng)絡(luò)是亞馬遜網(wǎng)站政治圖書間的關(guān)系圖，每本書具有屬性政治派系，可取值為：保守，自由，中立。

facebook自我網(wǎng)絡(luò)數(shù)據(jù)集：該數(shù)據(jù)集包含10個自我網(wǎng)絡(luò)，共有193個圈子和4039個用戶。自我網(wǎng)是由一個用戶的所有好友組成的網(wǎng)絡(luò)。其中，這10個自我網(wǎng)絡(luò)中的用戶都擁有多個屬性，屬性維度是42到576。所有屬性已通過獨熱編碼預(yù)處理。

上述所有帶屬性網(wǎng)絡(luò)的匯總信息見表1。

表1實驗數(shù)據(jù)的統(tǒng)計信息

2.評價指標(biāo)：

2.1)用社區(qū)緊密度t用于評價社區(qū)內(nèi)結(jié)構(gòu)的優(yōu)劣，其計算公式如下：

其中，m表示網(wǎng)絡(luò)中邊的個數(shù)，z表示第z個社區(qū)，ov表示節(jié)點v所屬于社區(qū)的個數(shù)，ow表示節(jié)點w所屬于社區(qū)的個數(shù)，avw表示節(jié)點v和節(jié)點w的邊連接關(guān)系，當(dāng)節(jié)點v和節(jié)點w之間存在邊連接時，則avw的取值為1，否則，其值為0；

2.2)用熵e評價社區(qū)內(nèi)屬性的同質(zhì)性，其計算公式如下：

其中，z表示第z個社區(qū)，d表示屬性維數(shù)，d代表第d個屬性，rz表示第z個社區(qū)中節(jié)點的個數(shù),代表社區(qū)z中屬性d取值為j的概率。

t越大代表社區(qū)內(nèi)節(jié)點連接越緊密，e越小代表社區(qū)內(nèi)節(jié)點屬性更同質(zhì)。

3.實驗內(nèi)容和結(jié)果分析

實驗1.針對表1中的六個網(wǎng)絡(luò)，分別用本發(fā)明進行社區(qū)劃分，對每個網(wǎng)絡(luò)，獨立重復(fù)運行30次并取平均值，其結(jié)果如圖2所示。其中，圖2(a)表示劃分的politicalbooks網(wǎng)絡(luò)，圖2(b)表示劃分的ego_0網(wǎng)絡(luò)，圖2(c)表示劃分的ego_107網(wǎng)絡(luò)，圖2(d)表示劃分的ego_1684網(wǎng)絡(luò)，圖2(e)表示劃分的ego_1912網(wǎng)絡(luò)，圖2(f)表示劃分的ego_3437網(wǎng)絡(luò)。

從圖2中可以看出，eq在所有網(wǎng)絡(luò)中的值都大于0.3，表明本發(fā)明所得劃分具有明顯的社區(qū)結(jié)構(gòu)。sa在所有網(wǎng)絡(luò)中的值都達到0.001，表明本發(fā)明很好的平衡了網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和節(jié)點的屬性信息，提高了社區(qū)劃分的準(zhǔn)確性。

實驗2.為了評價本發(fā)明所得劃分的質(zhì)量，分別對每個網(wǎng)絡(luò)計算密度t和熵e，結(jié)果見表2。

表2每個網(wǎng)絡(luò)的密度t和熵e

從表2中可以看出，本發(fā)明的在每個網(wǎng)絡(luò)中密度t的平均值都大于0.6，表明本發(fā)明所得劃分具有明顯的社區(qū)結(jié)構(gòu)，而其標(biāo)準(zhǔn)差都小于0.12，表明本發(fā)明涉及的方法具有很好的穩(wěn)定性。所有網(wǎng)絡(luò)熵e的最小值都小于0.3，而其標(biāo)準(zhǔn)差都小于0.01，表明本發(fā)明所得社區(qū)劃分其內(nèi)部屬性是高度同質(zhì)且穩(wěn)定的。