專利名稱：一種基于多目標(biāo)優(yōu)化的Web社區(qū)發(fā)現(xiàn)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種Web2. O下信息交互平臺(tái)中的社區(qū)挖掘，特別是一種運(yùn)用多目標(biāo)優(yōu)化理論的社區(qū)發(fā)現(xiàn)方法，屬于社會(huì)網(wǎng)絡(luò)技術(shù)領(lǐng)域。
背景技術(shù)：
以自由開放共享為核心精神的Web 2. O使得廣大網(wǎng)民成為互聯(lián)網(wǎng)的主角，以博客網(wǎng)絡(luò)、社交網(wǎng)絡(luò)、wiki網(wǎng)絡(luò)等為代表的信息網(wǎng)絡(luò)已經(jīng)深入到人們的工作、學(xué)習(xí)等各種活動(dòng)中。如何從這些復(fù)雜的關(guān)系網(wǎng)絡(luò)挖掘出有價(jià)值的結(jié)構(gòu)模式已成為互聯(lián)網(wǎng)的研究熱點(diǎn)，Web社區(qū)發(fā)現(xiàn)研究就是其中熱門話題之一。雖然Web社區(qū)的嚴(yán)格定義還不存在，但是我們可以松散地將其定義為具有某種共 同特征的相互連接的Web信息載體集合，例如，隸屬于某個(gè)特定主題的Web頁面集合，由具有某種共同興趣愛好的微博者組成的微群，等等。從網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)來看，一個(gè)網(wǎng)絡(luò)社區(qū)就是一個(gè)網(wǎng)絡(luò)圖的稠密連通子圖，在這個(gè)子圖內(nèi)的節(jié)點(diǎn)之間連接密度高于子圖內(nèi)部節(jié)點(diǎn)與外部節(jié)點(diǎn)的連接密度。網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)研究正吸引著來自物理學(xué)、生物學(xué)、社會(huì)學(xué)與計(jì)算機(jī)科學(xué)等不同領(lǐng)域?qū)W者的關(guān)注，近年來涌現(xiàn)出大量的方法。網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)本質(zhì)上就是基于網(wǎng)絡(luò)鏈接的聚類學(xué)習(xí)，該聚類問題是一個(gè)與圖最優(yōu)劃分等價(jià)的NP難問題，非凸最優(yōu)化問題的一種有效解法是基于生物啟發(fā)式優(yōu)化的近似策略。Tasgin等人通過利用GA算法優(yōu)化社區(qū)模塊度Q函數(shù)來實(shí)現(xiàn)網(wǎng)絡(luò)最優(yōu)劃分的近似.Pizzutiz首先給出用于評(píng)判網(wǎng)絡(luò)劃分質(zhì)量的社區(qū)分?jǐn)?shù)(community score)的定義，然后運(yùn)用GA-Net進(jìn)行優(yōu)化網(wǎng)絡(luò)劃分。考慮到社會(huì)網(wǎng)絡(luò)的海量性，Lipczak等人提出一個(gè)基于社區(qū)足夠小且社區(qū)數(shù)有限假設(shè)的ACGA算法將一個(gè)社區(qū)編碼為一個(gè)個(gè)體，根據(jù)社區(qū)質(zhì)量潛在提高量來選擇個(gè)體進(jìn)行遺傳操作。段曉東等人引入粒子群算法對(duì)網(wǎng)絡(luò)進(jìn)行迭代二分實(shí)現(xiàn)Web社區(qū)的發(fā)現(xiàn)。黃發(fā)良等人提出的CDPSO算法采用基于節(jié)點(diǎn)鄰居有序表的粒子編碼方式，通過PSO全局搜索來挖掘社區(qū)。Gog等人提出一種基于個(gè)體信息共享機(jī)制的協(xié)同進(jìn)化算法對(duì)網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)進(jìn)行尋優(yōu)。這些算法主要是根據(jù)社區(qū)發(fā)現(xiàn)具體問題對(duì)進(jìn)化算法從編碼模，遺傳算子與適應(yīng)度函數(shù)等方面進(jìn)行改造，其中的一個(gè)共同點(diǎn)是優(yōu)化的目標(biāo)函數(shù)只有一個(gè)而不是多個(gè)。而社區(qū)質(zhì)量評(píng)判指標(biāo)的多樣性、耦合關(guān)聯(lián)性與數(shù)據(jù)依賴性使得現(xiàn)有的基于單一評(píng)判指標(biāo)優(yōu)化的社區(qū)發(fā)現(xiàn)算法很難在實(shí)際工程問題中得到應(yīng)用。

發(fā)明內(nèi)容
本發(fā)明的目的是為了克服現(xiàn)有技術(shù)中的社區(qū)發(fā)現(xiàn)方法在Web網(wǎng)絡(luò)挖掘過程中沒有對(duì)各種相互依賴的社區(qū)質(zhì)量評(píng)判指標(biāo)進(jìn)行綜合考量的缺陷，提供一種基于多目標(biāo)粒子群優(yōu)化的網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)方法。為了實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于多目標(biāo)優(yōu)化的Web社區(qū)發(fā)現(xiàn)方法，其特征在于應(yīng)用于Web2. O下的社交網(wǎng)絡(luò)，包括以下步驟步驟I)、設(shè)置發(fā)明方法的算法相關(guān)參數(shù)粒子群規(guī)模，粒子位置和速度的范圍與維度，粒子群慣性因子，鄰域半徑及外部存檔最大容量，MOPSO算法的最大迭代次數(shù)；
步驟2)、對(duì)于給定Web信息網(wǎng)絡(luò)中的所有節(jié)點(diǎn)進(jìn)行編號(hào)，通過對(duì)每個(gè)節(jié)點(diǎn)的鄰居根據(jù)其編號(hào)進(jìn)行排序來構(gòu)造鄰居有序表；
步驟3)、采用基于節(jié)點(diǎn)鄰居有序表的編碼方法初始化粒子群，粒子群中的個(gè)體粒子產(chǎn)生方法如下初始化一個(gè)長(zhǎng)度為網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)的向量，該向量中的第i位分量取值為區(qū)間[1，NLL]中的一個(gè)隨機(jī)整數(shù)，NLL為鄰居有序表中的中心節(jié)點(diǎn)i對(duì)應(yīng)的鄰居列表長(zhǎng)度；
步驟4)、通過MOPSO算法實(shí)現(xiàn)尋優(yōu)Pareto最優(yōu)解集元素所對(duì)應(yīng)的網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)。本發(fā)明的有益效果是比起傳統(tǒng)的社區(qū)發(fā)現(xiàn)方法，本發(fā)明提出的方法能將各種網(wǎng)絡(luò)社區(qū)質(zhì)量評(píng)判指標(biāo)進(jìn)行綜合考量，可以發(fā)現(xiàn)與網(wǎng)絡(luò)社區(qū)真實(shí)結(jié)構(gòu)更相符合的社區(qū)結(jié)構(gòu)。 本發(fā)明應(yīng)用于以微博網(wǎng)絡(luò)、郵件網(wǎng)絡(luò)、BBS論壇網(wǎng)絡(luò)等各種社交平臺(tái)，可以優(yōu)化信息網(wǎng)絡(luò)結(jié)構(gòu)、提升信息主動(dòng)服務(wù)質(zhì)量、增強(qiáng)網(wǎng)絡(luò)文化安全等。


圖I為本發(fā)明的基于多目標(biāo)優(yōu)化的Web社區(qū)發(fā)現(xiàn)方法的總流程 圖2為本發(fā)明方法中的基于節(jié)點(diǎn)鄰居有序表的粒子編碼方法；
圖3為本發(fā)明方法中的基于核密度估計(jì)的leader選擇機(jī)制；
具體實(shí)施例方式 下面結(jié)合附圖和具體實(shí)施方式
對(duì)本發(fā)明予以說明。為了方便詳細(xì)闡述本發(fā)明，首先統(tǒng)一說明相關(guān)基本概念。定義I (Pareto支配關(guān)系)對(duì)于由社區(qū)劃分函數(shù)—& ^:釅~ 1>發(fā)現(xiàn)的蘊(yùn)含于網(wǎng)絡(luò)6=(￥，E)中的兩種不同社區(qū)結(jié)構(gòu)i^P3e P，社區(qū)結(jié)
構(gòu)Pareto支配社區(qū)結(jié)構(gòu)/ 當(dāng)且僅當(dāng)下式成立并記為if :
Cl)
定義2 (Pareto相等關(guān)系)類似Pareto支配關(guān)系，社區(qū)結(jié)構(gòu)與社區(qū)結(jié)構(gòu)Pareto相等當(dāng)且僅當(dāng)下式成立并記為i|=J|
(2)
定義3 (Pareto不可明辨關(guān)系)類似Pareto支配關(guān)系，社區(qū)結(jié)構(gòu)巧與社區(qū)結(jié)構(gòu)P3滿足Pareto不可明辨關(guān)系當(dāng)且僅當(dāng)下式成立并記為
狀 >-F2)Λ-.(P3 > ^)(3)
定義4 (Pareto最優(yōu)社區(qū)結(jié)構(gòu))若網(wǎng)絡(luò)社區(qū)劃分方案集合P中的某一劃分方案P*被稱為Pareto最優(yōu)社區(qū)結(jié)構(gòu)，當(dāng)僅當(dāng)如下條件成立-BR ^ P. R ^ P*(4)
定義5 (Pareto最優(yōu)社區(qū)結(jié)構(gòu)集)所有Pareto最優(yōu)社區(qū)結(jié)構(gòu)組成的集合 二 {P>P }稱為Pareto最優(yōu)社區(qū)結(jié)構(gòu)集。定義6 (Pareto前沿)Pareto最優(yōu)社區(qū)結(jié)構(gòu)集的社區(qū)所對(duì)應(yīng)的質(zhì)量評(píng)判指標(biāo)向量組成的集合稱為Pareto前沿。定義7(Web社區(qū)發(fā)現(xiàn))給定網(wǎng)絡(luò)，V為Web信息載體(節(jié)點(diǎn))的非空集合，E網(wǎng)絡(luò)節(jié)點(diǎn)之間的連接關(guān)系，F(xiàn)為用戶指定的目標(biāo)函數(shù)集合，V所對(duì)應(yīng)的k劃分的網(wǎng)絡(luò)社區(qū)劃分方案巧，其中c』、須滿足4個(gè)條件
,UCf=F與值可由算法決定或用戶給出.Web社區(qū)發(fā)現(xiàn)的過程就是
尋找使F函數(shù)達(dá)到最優(yōu)化的劃分夂.
結(jié)合上述定義，Web社區(qū)結(jié)構(gòu)劃分的多目標(biāo)優(yōu)化問題可用如下數(shù)學(xué)模型加以描述
^C/d J)(5)
\{X) = Q{k=XX ,q)
其中X為給定網(wǎng)絡(luò)的某種社區(qū)劃分方案，X的具體表示形式由進(jìn)化算法的個(gè)體編碼方
式而定，為目標(biāo)向量，目標(biāo)函數(shù)巧(JTKi = Ilm)為第i種社區(qū)質(zhì)量評(píng)判指標(biāo)，gjiJO與
為約束函數(shù)，借此約束函數(shù)可以指定算法發(fā)現(xiàn)滿足某些特定條件的網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)。如圖I所示，圖I是本發(fā)明的基于多目標(biāo)優(yōu)化的Web社區(qū)發(fā)現(xiàn)方法的總流程示意圖，該基于多目標(biāo)優(yōu)化的Web社區(qū)發(fā)現(xiàn)方法一共有以下幾個(gè)步驟
步驟I :設(shè)置發(fā)明方法的算法相關(guān)參數(shù)粒子群規(guī)模，粒子位置和速度的范圍與維度，粒子群慣性因子，鄰域半徑及外部存檔最大容量，MOPSO算法的最大迭代次數(shù)；
步驟2 :對(duì)于給定Web信息網(wǎng)絡(luò)，建立網(wǎng)絡(luò)節(jié)點(diǎn)的鄰居有序表，其實(shí)現(xiàn)方法為首先對(duì)網(wǎng)絡(luò)中所有節(jié)點(diǎn)進(jìn)行編號(hào)，然后對(duì)每個(gè)節(jié)點(diǎn)的鄰居根據(jù)其編號(hào)進(jìn)行排序形成鄰居有序表；步驟3 :根據(jù)步驟2建立的鄰居有序表進(jìn)行粒子群的初始化，其實(shí)現(xiàn)方法為初始化一個(gè)長(zhǎng)度為網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)的向量，該向量中的第i位分量取值為區(qū)間[1，NLL]中的一個(gè)隨機(jī)整數(shù)，NLL為鄰居有序表中中心節(jié)點(diǎn)i對(duì)應(yīng)的鄰居列表長(zhǎng)度；
步驟4:借助多目標(biāo)粒子群優(yōu)化算法實(shí)現(xiàn)多個(gè)目標(biāo)函數(shù)的Pareto最優(yōu)解的尋優(yōu)，對(duì)Pareto最優(yōu)解對(duì)應(yīng)粒子進(jìn)行解碼，并將解碼結(jié)果作為網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)輸出。其實(shí)現(xiàn)方法如下重復(fù)如下操作直到最大迭代次數(shù)的停止條件滿足計(jì)算粒子適應(yīng)度向量，比較粒子的Pareto支配關(guān)系,調(diào)用UpdatePS方法更新Pareto最優(yōu)社區(qū)結(jié)構(gòu)集,調(diào)用IeaderSelection方法選擇粒子飛行的leader，依據(jù)粒子更新策略來更新粒子的位置和速度；輸出全部Pareto最優(yōu)解集元素所對(duì)應(yīng)的網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)。鄰居有序表創(chuàng)建
下面參考圖2的一個(gè)具體例子來說明本發(fā)明方法中的鄰居有序表創(chuàng)建。給定如圖2(a)中的網(wǎng)絡(luò)，網(wǎng)絡(luò)節(jié)點(diǎn)是被抽象化了且被編號(hào)的Web信息載體，將網(wǎng)絡(luò)中的每個(gè)節(jié)點(diǎn)視為中心節(jié)點(diǎn)，將其鄰居依據(jù)標(biāo)號(hào)升序排列成列表，即可完成鄰居有序表的創(chuàng)建，與圖2 Ca)中的網(wǎng)絡(luò)對(duì)應(yīng)的鄰居有序表為圖2 (d)。粒子編碼與粒子初始化
下面參考圖2的一個(gè)具體例子來說明本發(fā)明方法中的粒子編碼與粒子初始化。圖2(b)為圖2 (a)的網(wǎng)絡(luò)的一種社區(qū)劃分方案，其編碼為粒子圖2 (c)，Dim表示中心節(jié)點(diǎn)的編號(hào)，Pos表示粒子。以標(biāo)號(hào)I為的節(jié)點(diǎn)為例，該編碼可以解釋如下在圖2 (b)中的社區(qū)劃分方案，對(duì)于標(biāo)號(hào)I為的節(jié)點(diǎn)，其編號(hào)為2的鄰居在其鄰居有序表中處于第I個(gè)位置，故粒子向量的第一分量值為I。粒子適應(yīng)度向量
網(wǎng)絡(luò)社區(qū)質(zhì)量評(píng)判指標(biāo)存在著多樣性，本發(fā)明方法選擇最為常見的三個(gè)評(píng)判指標(biāo)作為·
目標(biāo)函數(shù)。第-個(gè)評(píng)判指標(biāo)是q值函數(shù)( i{腦 ，其中表
^ OSSOCiy9V) { OSSiX^(VsV) }γ
VIwm
示子圖m的節(jié)點(diǎn)集，關(guān)聯(lián)函數(shù)=,它是通過比較子圖與其對(duì)
應(yīng)隨機(jī)圖零模型的連接密度來定義的。Q值越大則網(wǎng)絡(luò)社區(qū)質(zhì)量越高。第二個(gè)評(píng)判指標(biāo)是 *assoc(V ,V-V )
MinMaxCui = X其試圖在最大化社區(qū)內(nèi)節(jié)點(diǎn)相似度的同時(shí)最小化社 ■a assocKV^ym)
區(qū)間節(jié)點(diǎn)相似度，MinMaxCut值越小則網(wǎng)絡(luò)社區(qū)質(zhì)量越高。第三個(gè)評(píng)判指標(biāo)是silhouette指標(biāo)，從圖形顯示的角度得出同一簇內(nèi)的像素點(diǎn)值相似的觀點(diǎn)，其可用公式(6)、(7)與
(8)來描述.silhouette指標(biāo)值越大則網(wǎng)絡(luò)社區(qū)質(zhì)量越高.
s(vd = 、 (6)
U⑷
S. = ——(7)
J 1匕1
貓= U—i(8)
k
11 111 = OVgwfl0e V1，表示社區(qū)K內(nèi)節(jié)點(diǎn)％與社區(qū)K中其他節(jié)點(diǎn)的平均相似度，*i=majrArf ~^ ~—，，表示社區(qū)內(nèi)節(jié)點(diǎn)與其他社區(qū)
L I)本 kV1Vi
的最大平均相似度，S(Vi)為節(jié)點(diǎn)Vi的 silhouette 值.
根據(jù)上述三個(gè)優(yōu)化目標(biāo)，可以構(gòu)造粒子適應(yīng)度向量
F(P) =(P). ( P))=|g( P).(p) X^(F)UpdatePS 方法
現(xiàn)有大多數(shù)多目標(biāo)優(yōu)化算法是借助外部存檔(external archive,簡(jiǎn)寫EA)來實(shí)現(xiàn)Pareto最優(yōu)解的存儲(chǔ)與更新,更新Pareto最優(yōu)解的傳統(tǒng)方法是通過對(duì)算法當(dāng)前迭代過程中產(chǎn)生的最優(yōu)解與EA中的元素進(jìn)行Pareto關(guān)系的比較來實(shí)現(xiàn)Pareto最優(yōu)解的更新，即當(dāng)EA中的元素?cái)?shù)目達(dá)到其最大容量MAXP時(shí)，直接將新生的非被支配解插入，而當(dāng)EA已滿時(shí)，隨機(jī)決定是否用新生的非被支配解代替EA中的某個(gè)隨機(jī)元素.這種方法不能很好地達(dá)成一個(gè)優(yōu)質(zhì)多目標(biāo)優(yōu)化算法的期望使極優(yōu)解的分布盡可能均勻.本發(fā)明文提出一種啟發(fā)式策略來實(shí)現(xiàn)Pareto最優(yōu)社區(qū)結(jié)構(gòu)集更新，給外部存檔中粒子賦以年齡屬性，
用以標(biāo)識(shí)其從進(jìn)入EA到當(dāng)前迭代所經(jīng)歷的代數(shù)，同時(shí)將EA表示成隊(duì)列以提高計(jì)算效
率。在給定外部存檔EA與當(dāng)前迭代過程產(chǎn)生的網(wǎng)絡(luò)社區(qū)劃分方案集合CurBestP的條件下求取更新后EA的UpdatePS基本流程為
步驟I JfCurBestP中的每個(gè)網(wǎng)絡(luò)社區(qū)劃分方案g與隊(duì)列中的每個(gè)粒子對(duì)應(yīng)的社區(qū)結(jié)構(gòu)Pi進(jìn)行Pareto關(guān)系比較,若1^)/}則在執(zhí)行巧入隊(duì)與/^.刪除操作;
步驟2 :將CurBestP中的每個(gè)網(wǎng)絡(luò)社區(qū)劃分方案#與隊(duì)列中的每個(gè)粒子對(duì)應(yīng)的社區(qū)結(jié)構(gòu)進(jìn)行Pareto關(guān)系比較，若隊(duì)列Qm未滿，則若(^)v((/| :4)八(€與4為不同的社區(qū)劃分方案》，則/1: 執(zhí)彳」··#入隊(duì)操作，若隊(duì)列fire已滿,則若(舉扮父((1|=汾八(1|與5為不同的社區(qū)劃分方案))，則在執(zhí)行
A入隊(duì)與巧刪除操作。IeaderSelection 方法
IeaderSelection方法是一種基于核密度估計(jì)的leader選擇機(jī)制(圖3).簡(jiǎn)要說明如下令I(lǐng) objectives I =2， NonSet | =10,即優(yōu)化目標(biāo)數(shù)為2,算法當(dāng)前迭代過程中共有10種相互之間不滿足Pareto支配關(guān)系的網(wǎng)絡(luò)社區(qū)劃分方案，分布在由目標(biāo)I與目標(biāo)2構(gòu)成的平面上.對(duì)于NonSet中的每一個(gè)點(diǎn)X，都存在一個(gè)以該點(diǎn)為中心的r鄰域Neighbor (x, r),計(jì)算該中心點(diǎn)到在其鄰域內(nèi)其他點(diǎn)的距離dist的平均值，選擇具有最大平均值的中心點(diǎn)作為leaders,若存在多個(gè)這樣的leader則從中選取具有最多r鄰居者為leaders,若此leaders含有多個(gè)leader,則從中隨機(jī)選取一個(gè).在給定滿足非支配關(guān)系的網(wǎng)絡(luò)社區(qū)劃分方案集合Nonset與鄰域半徑r,求解leader的IeaderSelection方法的基本流程為
步驟 I=—一^^ ；
步驟 2:若> I 則& ;
ΓIAdHSBRCS
步驟 3 :若 \ > I 則 t&otdsrK — ramkmS^ct^teis^rs^ ；步驟 4 return leaders粒子更新策略
粒子通過在網(wǎng)絡(luò)社區(qū)劃分方案空間中飛行時(shí)的自學(xué)習(xí)與協(xié)作學(xué)習(xí)實(shí)現(xiàn)尋優(yōu)，而這種學(xué)習(xí)機(jī)制主要體現(xiàn)在粒子速度與粒子位置的更新。本發(fā)明文中的粒子速度與位置分別表示 粒子速度依據(jù)公式(9)更新。
權(quán)利要求
1.一種基于多目標(biāo)優(yōu)化的Web社區(qū)發(fā)現(xiàn)方法，其特征在于應(yīng)用于Web2. O下的社交網(wǎng)絡(luò)，包括以下步驟 步驟I)、設(shè)置發(fā)明方法的算法相關(guān)參數(shù)粒子群規(guī)模，粒子位置和速度的范圍與維度，粒子群慣性因子，鄰域半徑及外部存檔最大容量，MOPSO算法的最大迭代次數(shù)； 步驟2)、對(duì)于給定Web信息網(wǎng)絡(luò)中的所有節(jié)點(diǎn)進(jìn)行編號(hào)，通過對(duì)每個(gè)節(jié)點(diǎn)的鄰居根據(jù)其編號(hào)進(jìn)行排序來構(gòu)造鄰居有序表； 步驟3)、采用基于節(jié)點(diǎn)鄰居有序表的編碼方法初始化粒子群，粒子群中的個(gè)體粒子產(chǎn)生方法如下初始化一個(gè)長(zhǎng)度為網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)的向量，該向量中的第i位分量取值為區(qū)間[1，NLL]中的一個(gè)隨機(jī)整數(shù)，NLL為鄰居有序表中的中心節(jié)點(diǎn)i對(duì)應(yīng)的鄰居列表長(zhǎng)度； 步驟4)、通過MOPSO算法實(shí)現(xiàn)尋優(yōu)Pareto最優(yōu)解集元素所對(duì)應(yīng)的網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)。
2.根據(jù)權(quán)利要求I所述的基于多目標(biāo)優(yōu)化的Web社區(qū)發(fā)現(xiàn)方法，其特征在于，所述的步驟4)包括 步驟 4-1)、 計(jì)算 粒子 適應(yīng) 度向 量 ,
3.根據(jù)權(quán)利要求2所述的基于多目標(biāo)優(yōu)化的Web社區(qū)發(fā)現(xiàn)方法，其特征在于，所述的步驟4-3)包括 步驟4-3-1)、將當(dāng)前迭代過程產(chǎn)生的網(wǎng)絡(luò)社區(qū)劃分方案集合CurBestP中的每個(gè)網(wǎng)絡(luò)社區(qū)劃分方案6與存儲(chǔ)Pareto歷史最優(yōu)解的隊(duì)列中的每個(gè)粒子對(duì)應(yīng)的社區(qū)結(jié)構(gòu)進(jìn)行Pareto關(guān)系比較，若社區(qū)結(jié)構(gòu)# Pareto支配社區(qū)結(jié)構(gòu)則在執(zhí)行#入隊(duì)與A刪除操作； 步驟4-3-2)、將當(dāng)前迭代過程產(chǎn)生的網(wǎng)絡(luò)社區(qū)劃分方案集合CurBestP中的每個(gè)網(wǎng)絡(luò)社區(qū)劃分方案#與隊(duì)列jfts中的每個(gè)粒子對(duì)應(yīng)的社區(qū)結(jié)構(gòu)Pi進(jìn)行Pareto關(guān)系比較，若隊(duì)列fib未滿，則若社區(qū)結(jié)構(gòu)6與社區(qū)結(jié)構(gòu)」 }滿足Pareto不可明辨關(guān)系或者二者是滿足Pareto相等關(guān)系的兩個(gè)不同社區(qū)劃分方案，則在執(zhí)行g(shù)入隊(duì)操作，若隊(duì)列已滿，則若社區(qū)結(jié)構(gòu)與社區(qū)結(jié)構(gòu)」Pj滿足ParetO不可明辨關(guān)系或者二者是滿足Pareto相等關(guān)系的兩個(gè)不同社區(qū)劃分方案，則在Gj5執(zhí)行6入隊(duì)與&刪除操作。
4.根據(jù)權(quán)利要求2所述的基于多目標(biāo)優(yōu)化的Web社區(qū)發(fā)現(xiàn)方法，其特征在于，所述的步驟4-4)包括 步驟4-4-1)、在不滿足Pareto支配關(guān)系的網(wǎng)絡(luò)社區(qū)劃分方案對(duì)應(yīng)的粒子集合中，對(duì)每一粒子X構(gòu)造一個(gè)以該粒子為中心的r鄰域Neighbor (x, r),計(jì)算粒子x到其鄰域內(nèi)其他點(diǎn)的距離dist的平均值，選擇具有最大平均值的中心點(diǎn)作為leaders ； 步驟4-4-2)、若存在多個(gè)所述的leader則從中選取具有最多r鄰居者為leaders ； 步驟4-4-3)、若此leaders含有多個(gè)leader,則從中隨機(jī)選取一個(gè)。
5.根據(jù)權(quán)利要求2所述的基于多目標(biāo)優(yōu)化的Web社區(qū)發(fā)現(xiàn)方法，其特征在于，所述的步驟4-5)包括步驟 4-5-1)、根據(jù) V,(t * I) = WVi(I) *+ x WlQxd Xfy、、更新粒子i的速度，其中票=( ^ )與R =( * ,' )分別是粒子i的位置與速度， 為進(jìn)化代數(shù)#為慣性系數(shù)，％與4為學(xué)習(xí)因子，為均勻分布在
之間的隨機(jī)數(shù)，R>Βι)是粒子i的歷史最優(yōu)位置，Pkuir = (Pa^ 是粒子i當(dāng)前所處鄰域中的最優(yōu)粒子位置，決I/k的身份是全連接的粒子鄰域拓?fù)浣Y(jié)構(gòu)；
全文摘要
本發(fā)明提出一種基于多目標(biāo)優(yōu)化的Web社區(qū)發(fā)現(xiàn)方法，應(yīng)用于Web2.0下的社交網(wǎng)絡(luò)，可以提升信息主動(dòng)服務(wù)質(zhì)量、增強(qiáng)網(wǎng)絡(luò)文化安全等；其包括設(shè)置粒子群規(guī)模、粒子位置和速度的范圍與維度、粒子群慣性因子、鄰域半徑及外部存檔最大容量等相關(guān)參數(shù)；建立Web信息網(wǎng)絡(luò)各節(jié)點(diǎn)的鄰居節(jié)點(diǎn)編號(hào)表；采用基于節(jié)點(diǎn)鄰居有序表的編碼方法初始化粒子群；重復(fù)如下操作直到停止條件滿足計(jì)算粒子適應(yīng)度向量，比較粒子的Pareto支配關(guān)系，更新Pareto最優(yōu)社區(qū)結(jié)構(gòu)集，選擇粒子飛行的leader，更新粒子的位置和速度；輸出全部Pareto最優(yōu)解集元素所對(duì)應(yīng)的網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)。與基于單目標(biāo)優(yōu)化策略的經(jīng)典算法相比較，本發(fā)明提出的方法能發(fā)現(xiàn)更有效的Pareto最優(yōu)網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)。
文檔編號(hào)G06F17/30GK102902772SQ201210365300
公開日2013年1月30日 申請(qǐng)日期2012年9月27日 優(yōu)先權(quán)日2012年9月27日
發(fā)明者黃發(fā)良 申請(qǐng)人:福建師范大學(xué)