基于自监督学习式进化的大规模复杂网络社区检测方法【中国发明】

一、专利名称及专利号

名称：《基于自监督学习式进化的大规模复杂网络社区检测方法》

专利号：ZL202110665380.0

二、应用领域

  本发明涉及计算机技术领域，尤其涉及的是一种基于自监督学习式进化的大规模复杂网络社区检测方法。

三、专利说明

1、摘要：

  本发明公开了基于自监督学习式进化的大规模复杂网络社区检测方法，包括步骤：根据目标网络社区，确定目标网络社区对应的原始种群；将原始种群分解成第一子种群和第二子种群；采用基于自监督学习的方法对第一子种群进行更新，得到第一更新子种群，并采用基于广度学习的方法对第二子种群进行更新，得到第二更新子种群；根据原始种群、第一更新子种群以及第二更新子种群，确定目标网络社区对应的进化种群；当进化种群满足终止条件时，将进化种群作为最优种群。本发明将大规模复杂网络社区结构检测问题建模成一个两目标的优化问题，通过基于自监督学习式进化方法和基于广度学习的方法同时优化这两个目标，实现对大规模复杂网络的最优社区结构检测。

2、背景：

  进入21世纪的大数据时代，以因特网为代表的信息技术的迅猛发展使人类社会大步迈入了大规模复杂网络时代。在现实世界中许多系统以网络的形式存在，从互联网世界中的万维网到交通系统中的路线网，从电子领域中的超大规模集成电路到电力系统中的大型电力网络，从生物系统中的细胞神经网络到蛋白质互相作用网络，从社会关系中的社交网络到科学家之间的合作关系网，大规模复杂网络无处不在。社区结构检测是大规模复杂网络分析中的一项关键任务，它有助于理解以大规模复杂网络为代表的系统的特性，且对实际应用具有重要的意义。大规模复杂的网络结构由几十万甚至上百万对节点与节点之间的关系组成。大规模复杂网络研究的主要问题之一是对社区结构的高效快速检测。现实世界的网络通常由功能单元组成，这些功能单元以网络模块或社区的形式表现出来,同一社区内部的节点在连接程度非常紧密，不同社区之间的连接相对稀疏。社区结构作为复杂网络的重要特性，在一定程度上可以反映网络的重要特征。因此，识别社区结构对于描述网络组织结构和理解复杂系统至关重要。但是，随着网络规模的不断扩大使得网络结构变得非常复杂，很多传统的方法在处理大规模复杂网络的社区结构检测时存在一些缺陷。现有技术中存在的以下问题：(1)现有基于聚类的社区检测方法大多需要一定的先验知识来预先指明目标网络中社区的数量，而对于大规模复杂网络社区检测，网络中社区的数量是很难预先确定的；(2)现有的基于进化算法的社区检测方法只能处理小规模的网络社区检测问题，对于大规模复杂网络社区的检测，传统进化算法的搜索效率低且收敛速度很慢，因此很难实现的对大规模复杂网络社区的快速高效检测。因此，现有技术还有待于改进和发展。

四、相关文件下载

专利证书：/UploadFiles/20240117/20240117155145074507.pdf

专利详情：/UploadFiles/20240117/20240117155145444544.pdf