1.一种网络特征社区查找方法,其特征在于,该方法的具体步骤为:
步骤一、根据真实的社区的内部结构特征,建立社区节点的内部连结密度评估函数;
步骤二、根据真实的社区的外部结构特征,建立社区节点的外部连结密度评估函数;
步骤三、对待搜索的网络社区的属性和给定属性之间的相关度进行量化,建立网络社区的属性相关性评估函数;
步骤四、对社区节点的内部连结密度评估函数、社区节点的外部连结密度评估函数和量化的待搜索的网络社区的属性和给定属性相关度的函数进行融合,获取函数racsf(s,wq);
步骤五、利用nss节点选择策略和弹性isc循环终止条件对racsf(s,wq)函数进行优化,获取目标社区结构的最优解为最终查找的特征社区。
2.根据权利要求1所述一种网络特征社区查找方法,其特征在于,步骤一所述的建立社区节点的内部连结密度评估函数的具体方法为:
利用densityb(s)函数:
构建内部连结密度评估函数inner(s):
其中,s是g中的一组节点,g(v,e)是一个无向图,densityb(s)的范围为[0,ns-1],v为图g(v,e)中的一个节点,avgdeg(s)是节点集合s的平均度,ms为节点集合s中边的个数,ms=|(u,v)∈e:u∈s,v∈s|,ns为节点集合s中节点的个数,ns=|s|;d(v,s)为节点v在节点集合s中的内部连接边数,d(v,s)=|(u,v)∈e:u∈s|;d2(v,s)是d(v,s)的2次方。
3.根据权利要求1所述一种网络特征社区查找方法,其特征在于,步骤二中所述建立社区节点的外部连结密度评估函数的具体为:
外部连结密度评估函数average-odf(s):
其中,d(u)是节点u的度,d(u)=|(u,v)∈e|。
4.根据权利要求1所述一种网络特征社区查找方法,其特征在于,步骤三所述对待搜索社区的属性和节点集之间相关度的函数进行量化的具体方法为:
利用公式:
对所给特征wq与节点组s之间的相关度(s,wq)进行量化,其中,attriscore(s,wq)为待搜索社区的属性集合wq和节点集之间相关度函数,nodes(s,w)={v:v∈s,w∈attr(v)},nodes(s,w)为s中所有覆盖属性w的节点的集合,所述属性w属于搜索社区的属性集合wq。
5.根据权利要求1所述一种网络特征社区查找方法,其特征在于,步骤四中所述获取racsf(s,wq)函数为:
其中,racsf(s,wq)表示的是当目标属性集合为wq时节点集s的racsf值;所述racsf的值用于评估搜索到的节点集s的质量。
6.根据权利要求1所述一种网络特征社区查找方法,其特征在于,步骤五所述利用nss节点选择策略和弹性isc循环终止条件对racsf(s,wq)函数进行优化,获取目标社区结构的最优解为最终查找的特征社区的具体方法为:
当循环满足条件:
中任意一个则停止后续循环,并将循环停止后的optimalgroup(t)作为目标社区结构的最优解;其中,deratiol和condenuml为常数,decreaseratio(t)为score(t)和optimalscore(t)之间的比值,optimalscore(t)为在加入由nss节点选择策略推荐的第t个节点之前,节点集合获得的最大racsf评分,score(ti)为节点集合group(ti)的racsf评分,score(t)为节点集合group(t)的racsf评分,group(ti)为使用nss节点选择策略加入ti个节点后获得的社区结构;group(t)为使用nss节点选择策略加入t个节点后获得的社区结构;min{argmaxti<tscore(ti)}表示节点集合取得当前最大racsf评分时,使用nss节点选择策略加入的最少节点个数。