0。
[0088] 所述裝置包括的獲取單元510,用于獲取輸入的密集型網(wǎng)絡(luò)結(jié)構(gòu)；
[0089] 抽樣融合單元520,用于對(duì)所述密集型網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行抽樣融合處理，得到所述密集 型網(wǎng)絡(luò)結(jié)構(gòu)的抽樣子圖；
[0090] 檢測(cè)單元530,用于利用METIS算法對(duì)所述抽樣子圖進(jìn)行檢測(cè)，獲得所述抽樣子圖 的初始社區(qū)檢測(cè)數(shù)據(jù)；
[0091] 聚類單元540,用于對(duì)所述初始社區(qū)檢測(cè)數(shù)據(jù)進(jìn)行聚類處理，獲得所述密集型網(wǎng)絡(luò) 結(jié)構(gòu)的網(wǎng)絡(luò)社區(qū)劃分結(jié)果。
[0092] 進(jìn)一步地，所述抽樣融合單元520具體包括：
[0093] 切割子單元521，用于對(duì)所述密集型網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行水平切割分片處理，得到多個(gè)網(wǎng) 絡(luò)結(jié)構(gòu)分片并存儲(chǔ)所述網(wǎng)絡(luò)結(jié)構(gòu)分片的順序信息；
[0094] 抽樣子單元522,用于將所述網(wǎng)絡(luò)結(jié)構(gòu)分片進(jìn)行隨機(jī)抽樣處理，獲得所述網(wǎng)絡(luò)結(jié)構(gòu) 分片的抽樣結(jié)果；
[0095] 融合子單元523,用于根據(jù)所述順序信息，對(duì)所述抽樣結(jié)果進(jìn)行融合處理，得到所 述密集型網(wǎng)絡(luò)結(jié)構(gòu)的抽樣子圖。
[0096] 進(jìn)一步地，所述抽樣融合單元520還包括：
[0097] 確定子單元524,用于確定對(duì)所述網(wǎng)絡(luò)結(jié)構(gòu)分片進(jìn)行隨機(jī)抽樣處理的抽樣比例值 nv；
[0098] 所述抽樣比例值1^滿足1^=111；[11{(^，€[(111(^+1112)};
[0099] 其中，所述dv為所述網(wǎng)絡(luò)結(jié)構(gòu)分片中每個(gè)節(jié)點(diǎn)的度;所述α為非負(fù)常數(shù)。
[0100] 進(jìn)一步地，所述融合子單元523還具體用于，
[0101]確定所述抽樣結(jié)果中屬于同一次隨機(jī)抽樣且具有相同鍵值的子抽樣網(wǎng)絡(luò)；
[0102] 將所述屬于同一次隨機(jī)抽樣且具有相同鍵值的子抽樣網(wǎng)絡(luò)映射至同一個(gè)節(jié)點(diǎn)中， 所述節(jié)點(diǎn)包括多個(gè)所述子抽樣網(wǎng)絡(luò)；
[0103] 將所述節(jié)點(diǎn)包括的多個(gè)所述子抽樣網(wǎng)絡(luò)作為所述密集型網(wǎng)絡(luò)結(jié)構(gòu)的抽樣子圖。
[0104] 因此，通過(guò)應(yīng)用本發(fā)明實(shí)施例提供的社區(qū)檢測(cè)裝置，所述裝置對(duì)密集型網(wǎng)絡(luò)結(jié)果 進(jìn)行抽樣融合處理，得到抽樣子圖；利用METIS算法對(duì)抽樣子圖進(jìn)行檢測(cè)，獲得抽樣子圖的 初始社區(qū)檢測(cè)數(shù)據(jù);所述裝置對(duì)初始社區(qū)檢測(cè)數(shù)據(jù)進(jìn)行聚類處理，獲得密集型網(wǎng)絡(luò)結(jié)構(gòu)的 網(wǎng)絡(luò)社區(qū)劃分結(jié)果。由于本發(fā)明中所述裝置對(duì)密集型網(wǎng)絡(luò)結(jié)果進(jìn)行多次抽樣融合處理，進(jìn) 而對(duì)抽樣子圖進(jìn)行檢測(cè)、聚類處理后，得到網(wǎng)絡(luò)社區(qū)劃分結(jié)果，進(jìn)而解決了現(xiàn)有算法中 Fast-Newman算法和LPA算法無(wú)法從較大的邊密集型網(wǎng)絡(luò)中發(fā)現(xiàn)社區(qū)結(jié)構(gòu)，具有限制性的 問(wèn)題。實(shí)現(xiàn)了簡(jiǎn)單、高效地發(fā)現(xiàn)社區(qū)結(jié)構(gòu)，拓展了廣泛的應(yīng)用性。
[0105] 專業(yè)人員應(yīng)該還可以進(jìn)一步意識(shí)到，結(jié)合本文中所公開的實(shí)施例描述的各示例的 單元及算法步驟，能夠以電子硬件、計(jì)算機(jī)軟件或者二者的結(jié)合來(lái)實(shí)現(xiàn)，為了清楚地說(shuō)明硬 件和軟件的可互換性，在上述說(shuō)明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。 這些功能究竟以硬件還是軟件方式來(lái)執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。 專業(yè)技術(shù)人員可以對(duì)每個(gè)特定的應(yīng)用來(lái)使用不同方法來(lái)實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn) 不應(yīng)認(rèn)為超出本發(fā)明的范圍。
[0106] 結(jié)合本文中所公開的實(shí)施例描述的方法或算法的步驟可以用硬件、處理器執(zhí)行的 軟件模塊，或者二者的結(jié)合來(lái)實(shí)施。軟件模塊可以置于隨機(jī)存儲(chǔ)器(RAM)、內(nèi)存、只讀存儲(chǔ)器 (ROM)、電可編程ROM、電可擦除可編程ROM、寄存器、硬盤、可移動(dòng)磁盤、CD-ROM、或技術(shù)領(lǐng)域 內(nèi)所公知的任意其它形式的存儲(chǔ)介質(zhì)中。
[0107]以上所述的【具體實(shí)施方式】，對(duì)本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步 詳細(xì)說(shuō)明，所應(yīng)理解的是，以上所述僅為本發(fā)明的【具體實(shí)施方式】而已，并不用于限定本發(fā)明 的保護(hù)范圍，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含 在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種社區(qū)檢測(cè)方法，其特征在于，所述方法包括： 獲取輸入的密集型網(wǎng)絡(luò)結(jié)構(gòu)； 對(duì)所述密集型網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行抽樣融合處理，得到所述密集型網(wǎng)絡(luò)結(jié)構(gòu)的抽樣子圖； 利用METIS算法對(duì)所述抽樣子圖進(jìn)行檢測(cè)，獲得所述抽樣子圖的初始社區(qū)檢測(cè)數(shù)據(jù)； 對(duì)所述初始社區(qū)檢測(cè)數(shù)據(jù)進(jìn)行聚類處理，獲得所述密集型網(wǎng)絡(luò)結(jié)構(gòu)的網(wǎng)絡(luò)社區(qū)劃分結(jié) 果。2. 根據(jù)權(quán)利要求1所述的社區(qū)檢測(cè)方法，其特征在于，所述對(duì)所述密集型網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行 抽樣融合處理，得到所述密集型網(wǎng)絡(luò)結(jié)構(gòu)的抽樣子圖，具體包括： 對(duì)所述密集型網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行水平切割分片處理，得到多個(gè)網(wǎng)絡(luò)結(jié)構(gòu)分片并存儲(chǔ)所述網(wǎng) 絡(luò)結(jié)構(gòu)分片的順序信息； 將所述網(wǎng)絡(luò)結(jié)構(gòu)分片進(jìn)行隨機(jī)抽樣處理，獲得所述網(wǎng)絡(luò)結(jié)構(gòu)分片的抽樣結(jié)果； 根據(jù)所述順序信息，對(duì)所述抽樣結(jié)果進(jìn)行融合處理，得到所述密集型網(wǎng)絡(luò)結(jié)構(gòu)的抽樣 子圖。3. 根據(jù)權(quán)利要求2所述的社區(qū)檢測(cè)方法，其特征在于，所述將所述網(wǎng)絡(luò)結(jié)構(gòu)分片進(jìn)行隨 機(jī)抽樣處理，之前還包括： 確定對(duì)所述網(wǎng)絡(luò)結(jié)構(gòu)分片進(jìn)行隨機(jī)抽樣處理的抽樣比例值nv; 所述抽樣比例值nv滿足nv=min{dv，a(lndv+ln2)} ; 其中，所述dv為所述網(wǎng)絡(luò)結(jié)構(gòu)分片中每個(gè)節(jié)點(diǎn)的度;所述a為非負(fù)常數(shù)。4. 根據(jù)權(quán)利要求2所述的社區(qū)檢測(cè)方法，其特征在于，所述對(duì)所述抽樣結(jié)果進(jìn)行融合處 理，得到所述密集型網(wǎng)絡(luò)結(jié)構(gòu)的抽樣子圖，具體包括： 確定所述抽樣結(jié)果中屬于同一次隨機(jī)抽樣且具有相同鍵值的子抽樣網(wǎng)絡(luò)； 將所述屬于同一次隨機(jī)抽樣且具有相同鍵值的子抽樣網(wǎng)絡(luò)映射至同一個(gè)節(jié)點(diǎn)中，所述 節(jié)點(diǎn)包括多個(gè)所述子抽樣網(wǎng)絡(luò)； 將所述節(jié)點(diǎn)包括的多個(gè)所述子抽樣網(wǎng)絡(luò)作為所述密集型網(wǎng)絡(luò)結(jié)構(gòu)的抽樣子圖。5. -種社區(qū)檢測(cè)裝置，其特征在于，所述裝置包括： 獲取單元，用于獲取輸入的密集型網(wǎng)絡(luò)結(jié)構(gòu)； 抽樣融合單元，用于對(duì)所述密集型網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行抽樣融合處理，得到所述密集型網(wǎng)絡(luò) 結(jié)構(gòu)的抽樣子圖； 檢測(cè)單元，用于利用METIS算法對(duì)所述抽樣子圖進(jìn)行檢測(cè)，獲得所述抽樣子圖的初始社 區(qū)檢測(cè)數(shù)據(jù)； 聚類單元，用于對(duì)所述初始社區(qū)檢測(cè)數(shù)據(jù)進(jìn)行聚類處理，獲得所述密集型網(wǎng)絡(luò)結(jié)構(gòu)的 網(wǎng)絡(luò)社區(qū)劃分結(jié)果。6. 根據(jù)權(quán)利要求5所述的社區(qū)檢測(cè)裝置，其特征在于，所述抽樣融合單元具體包括： 切割子單元，用于對(duì)所述密集型網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行水平切割分片處理，得到多個(gè)網(wǎng)絡(luò)結(jié)構(gòu) 分片并存儲(chǔ)所述網(wǎng)絡(luò)結(jié)構(gòu)分片的順序信息； 抽樣子單元，用于將所述網(wǎng)絡(luò)結(jié)構(gòu)分片進(jìn)行隨機(jī)抽樣處理，獲得所述網(wǎng)絡(luò)結(jié)構(gòu)分片的 抽樣結(jié)果； 融合子單元，用于根據(jù)所述順序信息，對(duì)所述抽樣結(jié)果進(jìn)行融合處理，得到所述密集型 網(wǎng)絡(luò)結(jié)構(gòu)的抽樣子圖。7. 根據(jù)權(quán)利要求6所述的社區(qū)檢測(cè)裝置，其特征在于，所述抽樣融合單元還包括： 確定子單元，用于確定對(duì)所述網(wǎng)絡(luò)結(jié)構(gòu)分片進(jìn)行隨機(jī)抽樣處理的抽樣比例值nv; 所述抽樣比例值ην滿足nv=min{dv，a(lndv+ln2)} ; 其中，所述dv為所述網(wǎng)絡(luò)結(jié)構(gòu)分片中每個(gè)節(jié)點(diǎn)的度;所述a為非負(fù)常數(shù)。8. 根據(jù)權(quán)利要求6所述的社區(qū)檢測(cè)裝置，其特征在于，所述融合子單元還具體用于， 確定所述抽樣結(jié)果中屬于同一次隨機(jī)抽樣且具有相同鍵值的子抽樣網(wǎng)絡(luò)； 將所述屬于同一次隨機(jī)抽樣且具有相同鍵值的子抽樣網(wǎng)絡(luò)映射至同一個(gè)節(jié)點(diǎn)中，所述 節(jié)點(diǎn)包括多個(gè)所述子抽樣網(wǎng)絡(luò)； 將所述節(jié)點(diǎn)包括的多個(gè)所述子抽樣網(wǎng)絡(luò)作為所述密集型網(wǎng)絡(luò)結(jié)構(gòu)的抽樣子圖。
【專利摘要】本發(fā)明涉及一種社區(qū)檢測(cè)方法與裝置。所述方法包括：獲取輸入的密集型網(wǎng)絡(luò)結(jié)構(gòu)；對(duì)所述密集型網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行抽樣融合處理，得到所述密集型網(wǎng)絡(luò)結(jié)構(gòu)的抽樣子圖；利用METIS算法對(duì)所述抽樣子圖進(jìn)行檢測(cè)，獲得所述抽樣子圖的初始社區(qū)檢測(cè)數(shù)據(jù)；對(duì)所述初始社區(qū)檢測(cè)數(shù)據(jù)進(jìn)行聚類處理，獲得所述密集型網(wǎng)絡(luò)結(jié)構(gòu)的網(wǎng)絡(luò)社區(qū)劃分結(jié)果。
【IPC分類】G06K9/62
【公開號(hào)】CN105654132
【申請(qǐng)?zhí)枴?br>【發(fā)明人】朱桂祥, 曹杰, 劉小惠
【申請(qǐng)人】南京理工大學(xué)
【公開日】2016年6月8日
【申請(qǐng)日】2015年12月30日