申请/专利权人：安徽大学

申请日：2023-12-08

公开（公告）日：2024-04-26

公开（公告）号：CN117934191A

主分类号：G06Q50/00

分类号：G06Q50/00;G06N3/006;G06F18/23

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明公开了一种基于动态社团检测的社交群体发现方法，结合了历史信息中的精英解和非精英解，并设计了两阶段的个体选择和个体迁移策略，通过设计变异策略以及多样化种群迁移策略，找到动态网络中的社团结构，从而快速有效地找到社交网络中的社交群体。本发明一种基于动态社团检测的社交群体发现方法，方法简单，既可以保证寻找到优秀的解，又能满足算法对于多样性的要求，主要是利用种群中的精英解和非精英解来保持种群多样性，通过有效的个体选择策略、个体迁移策略以及变异策略，在社交网络中准确的发现社交群体，结果精确度高，效率快，能够满足解决实际问题的需要。

主权项：1.一种基于动态社团检测的社交群体发现方法，其特征在于，包括以下步骤：对动态网络进行相关定义，动态网络是将不同的网络划分为时间步，可以定义为Gt＝{G1，G2，...，G3，...，Gn}，其中Gt＝Vt，Et表示动态网络在时间步t时的网络结构；Vt＝{v1，v2，...，vi，...，vn}是在时间步t的一组节点；Et＝{vi，vj|vi，vj∈V，i＝j}是一组连接，vi与vj表示Vt网络中的两个节点，vi，vj表示它们之间的连边；Et表示在时间步t时，网络中所有的连边；随着时间的推移，网络中将添加或删除节点，节点之间的关系也会发生变化；Ct＝{C1，C2，...，Cn}表示在时间步t网络中的n个社团结构；S1、个体编码：定义初始时间步t＝1，最大时间步tmax；采用k位实数变量来表示种群中的每个个体Pi，以网络中节点数量为长度，编码中的每一位都表示与该节点相邻的一个邻居节点；Vi节点与Vj节点之间有连接，即Et中Vi，Vj≠0，则节点i为节点j的邻居节点，编码i处的编码即为节点Vi的一个邻居节点Vj；S2、种群初始化：定义种群规模为pop，初始迭代次数gen＝0；对个体Pi每一个基因位随机选取与该基因位节点相邻的节点作为当前基因位编码，重复执行直至得到pop个个体{P1，P2，...，Pi，...，Ppop}，构成初始种群P＝{P1，P2，...，Pi，...，Ppop}；S3、适应值计算：计算初始种群P中第i个个体Pi的两个目标函数，包括：模块度Q和归一化交互信息NMI；S4、种群进化：定义最大迭代次数为maxgen，交叉概率cr，变异概率mu；初始迭代次数gen＝0；经交叉策略、变异策略、选择操作，然后将gen+1赋值给gen，直到达到最大迭代次数为止，从而得到最终的种群；再从种群中选择模块度最大的个体作为该时间步最终的社团结构Ct；直到所有时间步全部迭代完成，即t＝tmax，然后输出每个时间步社团检测结果，从而实现基于动态社团检测的社交群体发现的整个过程；如果t＜tmax，则继续执行；S5、多样性解迁移策略：经个体选择策略，利用相邻时间步的网络Gt与网络Gt-1计算出网络变化中变化的节点和边，将变化分成四类：增加的节点、删除的节点、增加的边、删除的边，并分别进行处理；再将时间步t+1赋值给t；最后经多样性初始化，返回至步骤S4继续执行。

全文数据：

权利要求：

百度查询： 安徽大学 一种基于动态社团检测的社交群体发现方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD