綜合行動者興趣與網絡拓撲的社區發現方法技術

本發明專利技術提出了一種綜合社會行動者興趣和社會網絡拓撲結構的社區發現方法，屬于社會網絡技術領域。對于一個包含了社會行動者興趣信息的社會網絡數據集，首先對行動者個人興趣進行聚類，得到基于興趣的行動者社區，然后使用行動者社會網絡拓撲結構信息，對興趣社區進行擴展，使之更符合社區形成和發展的規律，從而達到更好的社區發現效果。本發明專利技術文提出的方法比單純基于興趣聚類的方法在有效性上有較大的提高。本發明專利技術應用于社會網絡、資源共享平臺，可以為信息檢索系統、個性化推薦系統等服務，挖掘社區結構，利用社區特性，改進個性化服務質量。

【技術實現步驟摘要】

本專利技術涉及一種Web2.0下資源共享平臺中的社區挖掘，尤其是一種綜合行動者 興趣與網絡拓撲的社區發現方法，屬于社會網絡

技術介紹
社區廣泛存在于人類社會中，它們有多種多樣的結構形式和組織形式，如家庭、同 事圈子、朋友圈子、小區、城市、甚至國家。一般來講，一個社區(或者稱作群組)是由一系 列節點組成，社區內節點的相互聯系相對緊密，社區間節點聯系則相對稀松。近年來，隨著 Web2. 0技術的迅猛發展，Web上出現了各種虛擬群組、在線社區等應用系統。在線社會網絡 系統的發展，使得大規模社會網絡數據的獲取成為了可能性。如何在大規模社會網絡中挖 掘出社區信息，成為了一個熱門的研究方向，吸引了眾多研究者的參與。社區的主要功能是為具有相同興趣的人們提供一個交流和共享的平臺。一般來 說，有兩類社區發現的方法，第一類方法基于行動者的個人興趣，將社區發現的問題映射為 計算行動者的興趣相似度的問題，進而將興趣劃分到不同的群組，從而得到以興趣為中心 的社區結構。例如，使用最廣泛的劃分聚類方法一一k-means聚類法。第二類方法直接基 于行動者間的聯系，根據社區的定義，將社會網絡劃分為各個社區，形成以行動者為中心的 社區結構。例如，Grivan和Newman提出了的分裂式社區發現算法，該算法通過依次移除邊 介(betweermess)數大的邊，發現圖中的社區結構。不論是基于興趣的社區發現方法，還是 基于社會聯系的社區發現方法均只考慮了社區特性的一個方面。實際上，興趣和社會聯系 對于社區的共享和交流功能來說都具有重要的作用。例如，社區的兩個成員可能因為共同 興趣而成為朋友，成員也有可能推薦其有類似興趣的朋友加入社區。社區和行動者社會網 絡是相互作用、共同發展的。
技術實現思路
本專利技術的目的在于綜合社會行動者興趣和社會網絡拓撲結構，從而實現一種新的 社區發現方法，該方法比起傳統的社區發現算法，更加接近于真實社區的發展過程。本專利技術提出的方法分為兩個部分第一部分，基于興趣的社區發現。首先利用聚類算法，提取行動者興趣特征，聚類 成興趣社區。然后將根據行動者-興趣關聯信息，將行動者劃分到相應的社區中，形成以興 趣為中心的社區C”第二部分，基于社會網絡的社區擴展。首先利用行動者社會網絡和行動者的興趣， 計算社會網絡中邊的權值。然后在這個帶權社會網絡中，使用帶重啟機制的隨機游走算法， 計算行動者之間的相關度。接著根據行動者間相關度和方法第一部分發現的社區，計算行 動者到社區的相關度，從而將行動者加入到相關度最高的k個社區中，形成第三種結構的 社區Ciu。方法的流程如圖1所示，具體包括如下步驟3A.把用戶按照標注過的資源表示成標簽向量(即興趣向量)的形式；B.對上一步產生的向量進行k-medoids聚類，產生基于興趣的用戶社區；C.按照用戶之間建立的朋友關系，計算用戶社會網絡邊的權重，生成帶權社會網 絡圖；D.在社會網絡圖上用隨機游走算法，計算兩個用戶之間的相關度；E.根據用戶相關度和步驟B中產生的基于興趣的社區，計算用戶與社區的相關度。本專利技術的有益效果本專利技術提出方法邏輯比起傳統的社區發現算法，更加接近于 真實社區的發展過程，在有效性上有較大的提高。本專利技術應用于社會網絡、資源共享平臺， 可以為信息檢索系統、個性化推薦系統等服務，挖掘社區結構，利用社區特性，改進個性化 服務質量。附圖說明圖1為根據本專利技術的的總流程圖圖2為以興趣為中心的社區結構；圖3為以行動者為中心的社區結構；圖4為本專利技術提出的綜合社區結構；圖5為擴展社區_女k對純度的影響示意圖6為擴展社區_女k對熵的影響示意圖7為隨機游走啟概率a對純度的影響示意圖8為隨機游走啟概率a對熵的影響示意圖。具體實施例方式下面通過實例對本專利技術做進一步說明。需要注意的是，公布實施例的目的在于幫 助進一步理解本專利技術，但是本領域的技術人員可以理解在不脫離本專利技術及所附權利要求 的精神和范圍內，各種替換和修改都是可能的。因此，本專利技術不應局限于實施例所公開的內 容，本專利技術要求保護的范圍以權利要求書界定的范圍為準。實例1以下結合一個照片共享網站的例子，詳細描述本專利技術的具體實施方式。在一個照片共享平臺中，用戶能夠對每一張照片進行標簽、收藏等行為。同時，用 戶之間形成社區，用戶可以根據自身興趣參加到不同社區。用戶與用戶之間可以顯示申明 朋友關系。一共有以下幾個步驟。步驟1 對原始數據進行預處理，把用戶按照標注過的資源表示成標簽向量的形 式。步驟2 對上一步產生的向量進行k-medoids聚類，產生基于興趣的用戶社區。 k-medoids聚類方法流程如下1)隨機挑選k個點作為質心；2)對每個點計算該點到每個社區中心的距離，把該點加入與它距離最近的社區；43)重新計算每個社區的中心，中心向量定義為社區內所有點的向量平均值；4)重新計算每個點到所屬中心的距離，選離中心最近的點作為社區中心；5)重復2)、3)、4)三個步驟，直到每個社區內的點不再變化。步驟3 按照用戶之間建立的朋友關系，計算用戶社會網絡邊的權重，生成帶權社 會網絡圖。社會網絡中邊的權重代表了用戶之間熟悉程度。然而真實社會網絡權值信息往往 很難獲取，因此本專利技術考慮行動者之間的顯式聯系和共同擁有的資源數作為量化社會網絡 權重的方法。只要社會行動者之間聲明了社會聯系，那么這條邊的權值基數就為0. 5，使用 共同資源計算出的權重作為權重的另一部分，與權重基數疊加形成最終的權重，權重的具 體計算方法如下設行動者Ui擁有的資源集合為Ri,行動者~擁有的資源集合為、同時Ui到Uj存 在邊eij，那么邊 的權值Wij由公式⑴計算出 步驟4 在社會網絡圖上用隨機游走算法，計算兩個用戶之間的相關度。得到了帶權的社會網絡，并將每個社會行動者的關聯邊權重進行歸一化后，可以 使用帶重啟機制的隨機游走算法，計算一個行動者到其他所有行動者的相關度。帶重啟機制的隨機游走(Random Walk with Restarts(RffR))可以用于計算圖中 任意兩點之間的相關度。從點u出發，每一步RWR隨機地沿圖中的邊由一個結點到達另一 個結點，同時，每一步都以a的概率從點u重新出發(restart)。RWR的基本思想可以表示為p(t+1) = (l-a)Sp(t)+aq(2)ρω和q為列向量，其中Pi⑴表示第t步時到達點i的概率，Pi(°)表示從目標行動 者出發。q表示初始狀態，元素Qi表示初始時在結點i的概率，本專利技術將起始點在q中的初 始概率設為1，其它點的概率設置為0。S是轉移概率矩陣，Su是當前在點i，下一步達到結 點j的概率。對于一個非周期不可約的圖，在有限步迭代之后，到達圖中任意點的概率達到 平穩分布的狀態，再次迭代也不改變圖中的概率分布。對社會網絡中每一個結點，從該結點出發，進行RWR計算，直至算法收斂，從而得 到了目標結點到網絡中其它結點的相關度S。這里的結點間的相關度是有序的，即一般來說，對于 U1 Φ U2,有 S (U1, U2) Φ S (U2, U1)。步驟5 根據用戶相關度和步驟2中產生的基于興趣的社區，計算用戶與社區的相 關度。其中用戶社區的相關度定義為用戶與該社區所有成員相關度的平均值。對于一個用戶Ui,和一個社區Ck，用戶到社區的相關度s(Ui本文檔來自技高網...

【技術保護點】
一種Ｗｅｂ社區發現方法，應用于社會網絡和資源共享平臺，其特征在于，所述方法綜合了社會行動者興趣和社會網絡拓撲結構，包括以下步驟：Ａ．把用戶按照標注過的資源表示成標簽向量的形式；Ｂ．對上一步產生的向量進行ｋ－ｍｅｄｏｉｄｓ聚類，產生基于興趣的用戶社區；Ｃ．按照用戶之間建立的朋友關系，計算用戶社會網絡邊的權重，生成帶權社會網絡圖；Ｄ．在社會網絡圖上用隨機游走算法，計算兩個用戶之間的相關度；Ｅ．根據用戶相關度和步驟Ｂ中產生的基于興趣的社區，計算用戶與社區的相關度。

【技術特征摘要】

【專利技術屬性】
技術研發人員：張銘，燕飛，譚裕韋，
申請(專利權)人：北京大學，
類型：發明
國別省市：11[中國|北京]