专利交易市场

本发明提供一种基于边图随机游走的重叠社区发现方法，主要包括以下步骤：1)根据网络中成员的关系，构建一个相互连接的无向图G，由图G的关联矩阵B可得到有权边图LG的权值矩阵H，有权边图LG中的节点为初始无向图G中的边。2)在有权边图LG上进行长度为T的随机游走，初始转移概率矩阵P根据权值矩阵H得到，无向图G中边之间的相似度为T步内转移概率之和，再将相似度转化为距离，聚类产生边社区。3)定义节点受到边社区的吸引度，找出边社区之间的边缘节点，根据吸引度的阈值δ可对边缘节点划分，最后检测到允许节点重叠的社区。本发明方法简单易行，并且通过调整阈值δ能发现不同重叠程度的社区。

本发明提出了一种基于离散时间量子游走的多域网络社区发现方法，包括以下步骤：S1，将网络节点看作游走粒子，并编码粒子同时构造粒子游走空间；S2，根据编码的粒子状态设计硬币态的量子置换电路；S3，根据不同的硬币状态，移位算子对粒子执行若干步的量子游走；S4，根据对量子态的测量结果选择对应的更新规则来移动节点，随着不断更新迭代，节点在空间中自动地优化社区结构；S5，输出最终社区结果。本发明能够快速、高效地检测多域网络中的社区。

本发明公开一种基于SimRank全局矩阵平滑收敛的网络社区发现方法、装置及存储介质，方法包括：获取网络节点信息；计算网络中各节点的中心度指标；根据计算得到的节点中心度指标选择初始核心节点；利用SimRank函数迭代计算节点之间的相似度，以确定真正的核心节点；对于每个非核心节点，选择距离最近的真正核心节点，并加入该真正核心节点的社区集合，得到对于各真正核心节点的初始社区；计算不同初始社区之间的紧密度指标；根据初始社区之间的紧密度指标对初始社区进行合并，得到社区划分集合。本发明利用SimRank技术和网络的幂律分布特性实现高效率的社区发现。

本发明提出了一种基于局部距离和节点秩优化函数的社交网络社区发现方法，包括以下步骤：S1，获取网络社交节点数据集，对获取的网络社交节点数据集进行拉普拉斯归一化处理；得到拉普拉斯节点矩阵；S2，根据网络社交的内部距离和外部距离，计算得到网络社交节点值：若网络社交节点值大于或者等于预设网络社交节点值，则发现网络社交社区；若网络社交节点值小于预设网络社交节点值，则重新发现网络社交社区。本发明考虑了节点自传递问题。其次，提出的方法综合考量了边权值问题，能够有效表示出整个社交网络的特征结构。最后本发明与其他方法相比，具有更好的性能。