社团检测系统及方法与流程

1.本发明涉及计算机应用技术领域，尤其涉及一种社团检测系统及方法。


背景技术：

2.现实世界中的许多复杂系统均可抽象为网络，在日常生活中，常见的网络有社交网、互联网以及地图等。具体的，以社交网为例，每个人可看作一个节点，人与人之间的好友关系可看作边，若两人是好友，则存在边，否则不存在边。社团结构的检测对于研究复杂网络的功能特性具有重要意义，精准的社团检测可有效的应用于精准营销、用户推荐以及数据挖掘等场景。
3.现有技术中，常见的社团检测方法为根据网络的拓扑结构对社团进行检测，以得到社团的分类结果，但由于网络的连边数量通常情况下相对比较少，并且往往存在错误连边，因此，根据拓扑结构的连边信息对社团结构进行检测的方法，所得到的检测结果往往精准性较差。


技术实现要素：

4.本发明提供了一种社团检测系统及方法，以解决社团检测的准确性较差的技术问题。
5.根据本发明的一方面，提供了一种社团检测系统，其中，该系统包括：数据获取装置、社团检测装置以及结果确定装置；其中，
6.所述数据获取装置，用于获取目标检测网络，确定所述目标检测网络对应的原始检测数据，根据所述原始检测数据确定目标检测矩阵，并将所述目标检测矩阵输入至所述社团检测装置，其中，所述目标检测矩阵包括网络拓扑矩阵、抗噪节点属性矩阵、节点选择矩阵以及社团真相矩阵中的至少一项；
7.所述社团检测装置，用于基于所述目标检测矩阵确定所述目标检测网络对应的社团检测矩阵，并将所述社团检测矩阵输入至所述结果确定装置，其中，所述社团检测矩阵包括目标社团隶属度矩阵和目标社团属性矩阵；
8.所述结果确定装置，用于根据所述社团检测矩阵确定社团检测结果，其中，所述社团检测结果包括社团分类结果以及社团语义结果。
9.根据本发明的另一方面，提供了一种社团检测方法，其中，该方法包括：
10.获取目标检测网络，确定所述目标检测网络对应的原始检测数据，根据所述原始检测数据确定目标检测矩阵，并将所述目标检测矩阵输入至所述社团检测装置，其中，所述目标检测矩阵包括网络拓扑矩阵、抗噪节点属性矩阵、节点选择矩阵以及社团真相矩阵中的至少一项；
11.基于所述目标检测矩阵确定所述目标检测网络对应的社团检测矩阵，并将所述社团检测矩阵输入至所述结果确定装置，其中，所述社团检测矩阵包括目标社团隶属度矩阵和目标社团属性矩阵；
12.根据所述社团检测矩阵确定社团检测结果，其中，所述社团检测结果包括社团分类结果以及社团语义结果。
13.本发明实施例的技术方案，通过所述数据获取装置，用于获取目标检测网络，确定所述目标检测网络对应的原始检测数据，根据所述原始检测数据确定目标检测矩阵，并将所述目标检测矩阵输入至所述社团检测装置，其中，所述目标检测矩阵包括网络拓扑矩阵、抗噪节点属性矩阵、节点选择矩阵以及社团真相矩阵中的至少一项；所述社团检测装置，用于基于所述目标检测矩阵确定所述目标检测网络对应的社团检测矩阵，并将所述社团检测矩阵输入至所述结果确定装置，其中，所述社团检测矩阵包括目标社团隶属度矩阵和目标社团属性矩阵；所述结果确定装置，用于根据所述社团检测矩阵确定社团检测结果，其中，所述社团检测结果包括社团分类结果以及社团语义结果。通过所述社团检测装置，提高了社团检测的精准性，提高了所检测的目标检测网络对应的社团分类结果以及社团语义结果的准确性。
14.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
15.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
16.图1是根据本发明实施例一提供的一种社团检测系统的结构示意图；
17.图2是根据本发明实施例提供的一种社团检测装置的结构示意图；
18.图3是根据本发明实施例提供的一种社团检测装置的工作流程图；
19.图4是根据本发明实施例二提供的一种社团检测方法的流程图。
具体实施方式
20.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
21.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
22.实施例一
23.图1是根据本发明实施例一提供的一种社团检测系统的结构示意图。如图1所示，该系统包括：数据获取装置110、社团检测装置120以及结果确定装置130。
24.其中，所述数据获取装置110，用于获取目标检测网络，确定所述目标检测网络对应的原始检测数据，根据所述原始检测数据确定目标检测矩阵，并将所述目标检测矩阵输入至所述社团检测装置120，其中，所述目标检测矩阵包括网络拓扑矩阵、抗噪节点属性矩阵、节点选择矩阵以及社团真相矩阵中的至少一项；所述社团检测装置120，用于基于所述目标检测矩阵确定所述目标检测网络对应的社团检测矩阵，并将所述社团检测矩阵输入至所述结果确定装置130，其中，所述社团检测矩阵包括目标社团隶属度矩阵和目标社团属性矩阵；所述结果确定装置130，用于根据所述社团检测矩阵确定社团检测结果，其中，所述社团检测结果包括社团分类结果以及社团语义结果。
25.可选的，所述数据获取装置，包括数据处理模块和矩阵确定模块；其中，
26.所述数据处理模块，用于获取目标检测网络，确定所述目标检测网络对应的原始检测数据，根据所述原始检测数据得到目标矩阵参数，其中，所述原始检测数据包括网络拓扑结构、节点属性以及先验信息至少其中一项，所述目标矩阵参数包括社团个数、节点个数以及属性个数；
27.所述矩阵确定模块，用于根据所述网络拓扑结构和所述节点个数确定所述网络拓扑矩阵，根据所述节点属性、所述属性个数以及所述网络拓扑矩阵确定抗噪节点属性矩阵，根据所述先验信息和所述社团个数确定节点选择矩阵和社团真相矩阵。
28.其中，所述目标检测网络可以理解为待检测的网络。可选的，所述目标检测网络为由若干节点和连接这些节点的边构成的网络。示例性的，所述目标网络可以是社交网、互联网或地图等。具体的，针对社交网，每个人可作为一个节点，人与人之间的好友关系可作为边，若两人是好友，则存在边，否则不存在边。
29.所述原始检测数据可以理解为用于对目标检测网络进行检测的网络。可选的，所述原始检测数据包括网络拓扑结构、节点属性以及先验信息等。其中，所述网络拓扑结构可以理解为表征所述目标检测网络的拓扑结构的图。具体的，所述网络拓扑结构可用图结构g＝(v,e)表示所述网络拓扑结构。其中，v表示节点集，e表示边集。所述节点属性可以理解为所述目标检测网络中每个节点的属性。所述先验信息可以理解为节点对应的真实社团标签，在本发明实施例中，所述先验信息为在社团检测之前的已知信息。
30.所述目标矩阵参数可以理解为根据所述原始检测数据得到的，用于确定矩阵的参数。可选的，所述目标矩阵参数包括社团个数、节点个数以及属性个数等。其中，所述社团个数可以理解为所述目标检测网络对应的社团的个数。所述节点个数可以理解为所述目标检测网络对应的节点的个数。所述属性个数可以理解为所述节点对应的属性的个数。
31.所述网络拓扑矩阵可以理解为表征所述网络拓扑结构，即节点和边的连接关系的邻接矩阵。其中，所述节点个数用于确定所述网络拓扑矩阵的维度。具体的，所述网络拓扑矩阵系可用邻接矩阵a表示，其中，a(i,j)＝1表示节点i与节点j间有连边，a(i,j)＝0表示节点i与节点j间无连边。
32.所述抗噪节点属性矩阵可以理解为表征所述节点属性的矩阵。具体的，节点属性可用抗噪节点属性矩阵n表示，其中，n(i,j)＝1表示节点i具有属性j，为n(i,j)＝0表示节点i不具有属性j。
33.所述社团真相矩阵可以理解为表征所述先验信息的矩阵。其中，所述社团真相矩阵可以基于所述先验信息对应的真实社团标签确定。具体的，社团真实标签转为社团真相矩阵cr，其中，cr(i,j)＝1表示节点i实际属于社团k，为cr(i,j)＝0表示节点i实际不属于该社团。
34.所述节点选择矩阵可以理解为表征所述先验信息的选择范围的矩阵。具体的，所述先验信息的选择范围可用节点选择矩阵b表示，其中，b为对角阵，b(i,i)＝γ表示节点i的真实社团标签已知，为b(i,i)＝0表示真实社团标签未知，其中，γ控制先验信息的强弱程度。在本发明实施例中，γ可以根据场景需求预设，在此不做具体限定。
35.可选的，所述数据处理模块，包括抗噪处理单元，具体用于：
36.基于所述节点属性和所述节点个数确定初始节点属性矩阵，根据所述网络拓扑矩阵和所述初始节点属性矩阵确定所述抗噪节点属性矩阵。
37.其中，所述初始节点属性矩阵可以理解为未剔除节点属性中的噪声数据和无关属性时，所述节点属性对应的矩阵。所述抗噪节点属性矩阵剔除节点属性中的噪声数据和无关属性后，所述节点属性对应的矩阵。
38.在本发明实施例中，剔除节点属性中的噪声数据和无关属性，需要利用到节点间的连边关系。基于同一社团内的某个节点至少与社团内其他节点有一条连边的特性，保留相邻节点的公共属性。具体的，针对节点i，首先根据所述网络拓扑矩阵的第i行，得到与该节点有连边关系的节点集，假设所述网络拓扑矩阵第i行为[1,1,0,0,0,0,0]，可知节点集为1,2。然后分别计算所述初始节点属性矩阵的第i行与节点集所在行的交集，若元素均为1则置1，若有一方元素含0则置0。假设所述初始节点属性矩阵第i行为
[0039]
[0,1,1,1,0,0,1,1,1]、第1行为[1,0,1,1,0,1,0,1,1]、第2行为
[0040]
[1,0,1,1,1,0,1,0,1]，则第i行与第1行交集为[0,0,1,1,0,0,0,1,1],第i行与第2行交集为[0,0,1,1,0,0,1,0,1]。再计算所有交集的并集，即
[0041]
[0,0,1,1,0,0,1,1,1]，该结果即节点i的抗噪节点属性。综上，可以得到所述目标检测网络的所述抗噪节点属性矩阵。
[0042]
可选的，所述社团检测系统，还包括：目标函数确定装置和参数预设装置，其中，
[0043]
所述目标函数确定装置，用于在基于所述目标检测矩阵确定所述目标检测网络对应的社团检测矩阵之前，确定所述社团检测装置对应的目标函数，并基于所述目标函数确定社团隶属度更新规则和社团属性更新规则；
[0044]
所述参数预设装置，用于预设所述目标函数对应的目标检测参数，其中，所述目标检测参数包括迭代次数阈值、变化量阈值、第一平衡参数以及第二平衡参数至少其中一项。
[0045]
其中，所述目标函数可以理解为所述社团检测装置对应的函数。所述社团隶属度更新规则和所述社团属性更新规则可以理解为基于所述目标函数，分别确定的社团隶属度矩阵和社团属性矩阵对应的更新规则。
[0046]
可选的，基于目标函数，通过卡鲁什
·
库恩
·
塔克(karush-kuhn-tucker，kkt)条件确定所述社团隶属度矩阵对应的社团隶属度更新规则；
[0047]
基于目标函数，通过卡鲁什
·
库恩
·
塔克(karush-kuhn-tucker，kkt)条件确定社团属性矩阵对应社团属性更新规则。
[0048]
所述目标检测参数可以理解为针对所述目标函数，在社团检测之前，需要预设的
参数。其中，所述迭代次数阈值可以理解为所述目标函数对应的迭代的最大次数。在本发明实施例中，所述迭代次数阈值可以根据场景需求预设，在此不做具体限定。示例性的，所述迭代次数阈值可以是10、20或30等。所述变化量阈值可以理解为所述目标函数对应的变化量的阈值。在本发明实施例中，所述变化量阈值可以根据场景需求预设，在此不做具体限定。示例性的，所述变化量阈值可以是1
×
10-5
。所述第一平衡参数和第二平衡参数可以理解为所述目标函数对应的两个平衡参数。在本发明实施例中，所述第一平衡参数和第二平衡参数可以根据场景需求预设，在此不做具体限定。示例性的，所述第一平衡参数和/或第二平衡参数可以是1、50或100等。可以理解的是，所述第一平衡参数和/或第二平衡参数可以相同也可以不同。
[0049]
可选的，所述目标函数，具体用于：
[0050][0051]
其中，c表示当前社团隶属度矩阵，n表示抗噪节点属性矩阵，m表示当前社团属性矩阵，α表示第一平衡参数，β表示第二平衡参数，b表示节点选择矩阵，cr表示社团真相矩阵，k表示社团个数，i表示抗噪节点属性矩阵的行数，f表示范数，o表示当前变化量。
[0052]
具体的，图2是根据本发明实施例提供的一种社团检测装置的结构示意图。如图2所示，所述确定所述社团检测装置对应的目标函数，可以包括：
[0053]
1、通过拓扑结构器、社团隶属度器以及非负矩阵分解器建模网络拓扑结构。其中，拓扑结构器用于描述目标检测网络的网络拓扑矩阵a，社团隶属度器用于描述社团隶属度矩阵c的乘积cc
t
，节点i与节点j间有连边的概率可用表示，即节点i与节点j在整个目标检测网络中有连边的概率等价于在每个社团中有连边的概率之和。基于非负矩阵分解器，用社团隶属度器模拟拓扑结构器，故结构隶属度单元可表示为其中，表示矩阵f范数的平方，它等价于平方和误差函数，是衡量分解结果好坏的常用表示形式。
[0054]
2、通过节点属性器、社团属性器、非负矩阵分解器以及稀疏约束器建模网络属性信息。其中，节点属性器用于描述抗噪节点属性矩阵n，社团属性器用于描述目标检测网络的社团属性矩阵m,基于节点和它所属社团具有相似属性这一特性，利用抗噪节点属性矩阵n与社团属性矩阵乘积表示属性角度的社团隶属度矩阵。基于非负矩阵分解器，以属性角度的社团隶属度矩阵模拟结构角度的社团隶属度矩阵c，即同时，为保证社团属性具有区分度且属性值较为合理，用限制社团属性矩阵，其中，表示l
1，2
范数的正则项，l1范数可获得矩阵的稀疏解，增加区分度，l2范数可保证属性值不会过大，处于合理的分布区间。因此，属性隶属度单元可表示为
[0055]
3、通过节点选择器和社团真相器建模网络先验信息。其中，节点选择器用于模拟
目标检测网络已知社团标签的节点集，用节点选择矩阵b表示，社团真相器用于模拟所有节点的真实社团标签，用社团真相矩阵cr表示，本发明希望计算得到的社团隶属度矩阵c与社团真相矩阵cr无限接近，故先验隶属度单元可表示为
[0056]
4、综上，社团检测装置整体对应的目标函数可以表示为：
[0057][0058]
进一步的，基于所述目标函数，通过kkt条件分别确定所述社团隶属度矩阵对应的社团隶属度更新规则和社团属性矩阵对应社团属性更新规则。
[0059]
可选的，所述社团隶属度更新规则，具体用于：
[0060][0061]
其中，c
ij
表示当前社团隶属度矩阵，n表示抗噪节点属性矩阵，m表示当前社团属性矩阵，α表示第一平衡参数，b表示节点选择矩阵，cr表示社团真相矩阵。
[0062]
可选的，所述社团属性更新规则，具体用于：
[0063][0064]
其中，m表示当前社团属性矩阵，c表示当前社团隶属度矩阵，n表示抗噪节点属性矩阵，m表示属性个数，k表示社团个数。
[0065]
可选的，所述社团检测装置，包括矩阵初始化模块、社团检测模块以及结果输出模块；其中，
[0066]
所述矩阵初始化模块，用于初始化初始社团隶属度矩阵和初始社团属性矩阵；
[0067]
所述社团检测模块，用于针对输入的所述目标检测矩阵，基于所述目标检测参数以及所述社团个数，根据所述社团隶属度更新规则对所述初始化初始社团隶属度矩阵进行更新得到当前社团隶属度矩阵，根据所述社团属性更新规则对所述初始社团属性矩阵进行更新得到当前社团属性矩阵，确定当前迭代次数，并基于所述当前社团隶属度矩阵、所述当前社团属性矩阵以及所述目标函数得到当前次变化量，并基于所述当前次变化量、所述变化量阈值、所述当前迭代次数以及所述迭代次数阈值确定所述社团检测矩阵。
[0068]
其中，所述初始社团隶属度矩阵可以理解为初始化的社团隶属度矩阵。所述初始社团属性矩阵可以理解为初始化的社团属性矩阵。具体的，社团隶属度矩阵c可表示节点与社团间的关系，c(i,k)＝1表示节点i属于社团k，c(i,k)＝0表示节点i不属于社团k。社团属性可用社团属性矩阵m表示,m(j,k)＝1表示社团k具有属性j，m(j,k)＝0表示社团k不具有属性j。
[0069]
其中，所述社团检测矩阵包括目标社团隶属度矩阵和目标社团属性矩阵。
[0070]
可选的，社团检测模块，包括数据更新单元和结果输出单元；其中，
[0071]
所述数据更新单元，用于在所述当前次变化量大于所述变化量阈值，且所述当前迭代次数未达到所述迭代次数阈值的情况下，返回执行根据所述社团隶属度更新规则对所
述初始化初始社团隶属度矩阵进行更新得到当前社团隶属度矩阵，根据所述社团属性更新规则对所述初始社团属性矩阵进行更新得到当前社团属性矩阵，确定当前迭代次数，并基于所述当前社团隶属度矩阵、所述当前社团属性矩阵以及所述目标函数得到当前次变化量的操作；
[0072]
所述结果输出单元，在所述当前次变化量小于或等于所述变化量阈值，或所述当前迭代次数达到所述迭代次数阈值的情况下，将当前社团隶属度矩阵确定为目标社团隶属度矩阵，将所述当前社团属性矩阵确定为目标社团属性矩阵。
[0073]
本发明实施例的技术方案，通过所述数据获取装置，用于获取目标检测网络，确定所述目标检测网络对应的原始检测数据，根据所述原始检测数据确定目标检测矩阵，并将所述目标检测矩阵输入至所述社团检测装置，其中，所述目标检测矩阵包括网络拓扑矩阵、抗噪节点属性矩阵、节点选择矩阵以及社团真相矩阵中的至少一项；所述社团检测装置，用于基于所述目标检测矩阵确定所述目标检测网络对应的社团检测矩阵，并将所述社团检测矩阵输入至所述结果确定装置，其中，所述社团检测矩阵包括目标社团隶属度矩阵和目标社团属性矩阵；所述结果确定装置，用于根据所述社团检测矩阵确定社团检测结果，其中，所述社团检测结果包括社团分类结果以及社团语义结果。通过所述社团检测装置，提高了社团检测的精准性，提高了所检测的目标检测网络对应的社团分类结果以及社团语义结果的准确性。
[0074]
图3是根据本发明实施例提供的一种社团检测装置的工作流程图。如图3所示，具体的，社团检测装置的工作流程可以是：
[0075]
1、将网络拓扑结构转化为网络拓扑矩阵a，将节点属性转化为剔除噪声数据的抗噪节点属性矩阵n、社团真实标签转化为社团真相矩阵cr、具有先验信息的节点转化为对角阵，即节点选择矩阵b、社团个数k、第一平衡参数α以及第二平衡参数β，以上参数均作为所述社团检测装置的输入参数；
[0076]
2、初始化初始社团隶属度矩阵c和初始社团属性矩阵m，并使两个矩阵的元素均为正数，设置循环的迭代次数i＝0，目标函数两次迭代的差值绝对值δo＝∞；
[0077]
3、利用kkt条件分别推导出所述初始社团隶属度矩阵c和所述初始社团属性矩阵m对应的社团隶属度更新规则和社团属性更新规则，当δo＞1
×
10-5
且i＜迭代次数阈值时，表示所述目标函数尚未趋于稳定，根据c的更新规则更新c，考虑到单个节点属于所有社团的概率和为1，故按行对c进行归一化，再根据m的更新规则更新m；
[0078]
4、计算更新前后所述目标函数的所述当前次变化量δo，迭代次数i自增1，若δo和i仍满足循环条件，则继续迭代更新当前社团隶属度矩阵和当前社团属性矩阵；
[0079]
5、
△
o≤1
×
10-5
或i≥迭代次数阈值时，退出循环，得到目标社团隶属度矩阵和目标社团属性矩阵，完成社团检测任务，同时得到社团分类结果以及社团语义结果。
[0080]
在本发明实施例中，本发明利用非负矩阵分解和稀疏约束进行社团检测，有效地融合网络拓扑结构、节点属性与先验信息。基于非负矩阵分解融合了节点属性和网络拓扑，利用大量节点特性丰富有价值信息，避免了稀疏矩阵或模糊社团的局限。同时可得到社团属性，对社团可解释性更强，便于利用社团真实语义进行数据挖掘或精准营销等。
[0081]
进一步的，本发明利用节点间连边关系剔除节点属性中包含的大量噪声数据与无关属性，避免了噪声节点属性对社团检测结果的干扰。并基于节点选择矩阵在内容和拓扑
基础上融合了先验信息，利用少量节点的真实社团标签提高社团结构的清晰度，节点属性与先验信息相互促进、相互增强，可获得更准确的社团检测结果。
[0082]
再进一步的，本发明利用l
1，2
范数保证社团属性矩阵的合理性，利用l1范数可获得社团属性矩阵的稀疏解，保证不同社团间的属性差异度更大，同时范数l2可确保社团属性值范围的合理性，不会过大。因此，范数l
1，2
可以保证社团属性有意义且更具区分度。
[0083]
实施例二
[0084]
图4为本发明实施例二提供的一种社团检测方法的流程图。社团检测方法可用于社团检测系统。如图4所示，所述社团检测方法具体包括：
[0085]
s210、取目标检测网络，确定所述目标检测网络对应的原始检测数据，根据所述原始检测数据确定目标检测矩阵，并将所述目标检测矩阵输入至所述社团检测装置，其中，所述目标检测矩阵包括网络拓扑矩阵、抗噪节点属性矩阵、节点选择矩阵以及社团真相矩阵中的至少一项。
[0086]
s220、基于所述目标检测矩阵确定所述目标检测网络对应的社团检测矩阵，并将所述社团检测矩阵输入至所述结果确定装置，其中，所述社团检测矩阵包括目标社团隶属度矩阵和目标社团属性矩阵。
[0087]
s230、根据所述社团检测矩阵确定社团检测结果，其中，所述社团检测结果包括社团分类结果以及社团语义结果。
[0088]
可选的，所述数据获取装置，包括数据处理模块和矩阵确定模块；其中，
[0089]
通过所述数据处理模块，获取目标检测网络，确定所述目标检测网络对应的原始检测数据，根据所述原始检测数据得到目标矩阵参数，其中，所述原始检测数据包括网络拓扑结构、节点属性以及先验信息至少其中一项，所述目标矩阵参数包括社团个数、节点个数以及属性个数；
[0090]
通过所述矩阵确定模块，根据所述网络拓扑结构和所述节点个数确定所述网络拓扑矩阵，根据所述节点属性、所述属性个数以及所述网络拓扑矩阵确定抗噪节点属性矩阵，根据所述先验信息和所述社团个数确定节点选择矩阵和社团真相矩阵。
[0091]
可选的，所述数据处理模块，包括抗噪处理单元，其中，
[0092]
通过所述抗噪处理单元，基于所述节点属性和所述节点个数确定初始节点属性矩阵，根据所述网络拓扑矩阵和所述初始节点属性矩阵确定所述抗噪节点属性矩阵。
[0093]
可选的，所述社团检测系统，还包括：目标函数确定装置和参数预设装置，其中，
[0094]
通过所述目标函数确定装置，在基于所述目标检测矩阵确定所述目标检测网络对应的社团检测矩阵之前，确定所述社团检测装置对应的目标函数，并基于所述目标函数确定社团隶属度更新规则和社团属性更新规则；
[0095]
通过所述参数预设装置，预设所述目标函数对应的目标检测参数，其中，所述目标检测参数包括迭代次数阈值、变化量阈值、第一平衡参数以及第二平衡参数至少其中一项。
[0096]
可选的，所述社团检测装置，包括矩阵初始化模块、社团检测模块以及结果输出模块；其中，
[0097]
通过所述矩阵初始化模块，初始化初始社团隶属度矩阵和初始社团属性矩阵；
[0098]
通过所述社团检测模块，针对输入的所述目标检测矩阵，基于所述目标检测参数以及所述社团个数，根据所述社团隶属度更新规则对所述初始化初始社团隶属度矩阵进行
更新得到当前社团隶属度矩阵，根据所述社团属性更新规则对所述初始社团属性矩阵进行更新得到当前社团属性矩阵，确定当前迭代次数，并基于所述当前社团隶属度矩阵、所述当前社团属性矩阵以及所述目标函数得到当前次变化量，并基于所述当前次变化量、所述变化量阈值、所述当前迭代次数以及所述迭代次数阈值确定所述社团检测矩阵。
[0099]
可选的，社团检测模块，包括数据更新单元和结果输出单元；其中，
[0100]
通过所述数据更新单元，在所述当前次变化量大于所述变化量阈值，且所述当前迭代次数未达到所述迭代次数阈值的情况下，返回执行根据所述社团隶属度更新规则对所述初始化初始社团隶属度矩阵进行更新得到当前社团隶属度矩阵，根据所述社团属性更新规则对所述初始社团属性矩阵进行更新得到当前社团属性矩阵，确定当前迭代次数，并基于所述当前社团隶属度矩阵、所述当前社团属性矩阵以及所述目标函数得到当前次变化量的操作；
[0101]
通过所述结果输出单元，在所述当前次变化量小于或等于所述变化量阈值，或所述当前迭代次数达到所述迭代次数阈值的情况下，将当前社团隶属度矩阵确定为目标社团隶属度矩阵，将所述当前社团属性矩阵确定为目标社团属性矩阵。
[0102]
可选的，所述目标函数，包括：
[0103][0104]
其中，c表示当前社团隶属度矩阵，n表示抗噪节点属性矩阵，m表示当前社团属性矩阵，α表示第一平衡参数，β表示第二平衡参数，b表示节点选择矩阵，cr表示社团真相矩阵，k表示社团个数，i表示抗噪节点属性矩阵的行数，f表示范数，o表示当前变化量。
[0105]
可选的，所述社团隶属度更新规则，包括：
[0106][0107]
其中，c
ij
表示当前社团隶属度矩阵，n表示抗噪节点属性矩阵，m表示当前社团属性矩阵，α表示第一平衡参数，b表示节点选择矩阵，cr表示社团真相矩阵。
[0108]
可选的，所述社团属性更新规则，包括：
[0109][0110]
其中，m表示当前社团属性矩阵，c表示当前社团隶属度矩阵，n表示抗噪节点属性矩阵，m表示属性个数，k表示社团个数。
[0111]
本发明实施例的技术方案，通过获取目标检测网络，确定所述目标检测网络对应的原始检测数据，根据所述原始检测数据确定目标检测矩阵，并将所述目标检测矩阵输入至所述社团检测装置，其中，所述目标检测矩阵包括网络拓扑矩阵、抗噪节点属性矩阵、节点选择矩阵以及社团真相矩阵中的至少一项；基于所述目标检测矩阵确定所述目标检测网络对应的社团检测矩阵，并将所述社团检测矩阵输入至所述结果确定装置，其中，所述社团检测矩阵包括目标社团隶属度矩阵和目标社团属性矩阵；根据所述社团检测矩阵确定社团检测结果，其中，所述社团检测结果包括社团分类结果以及社团语义结果。提高了社团检测
的精准性，提高了所检测的目标检测网络对应的社团分类结果以及社团语义结果的准确性。

技术特征：
1.一种社团检测系统，其特征在于，包括：数据获取装置、社团检测装置以及结果确定装置；其中，所述数据获取装置，用于获取目标检测网络，确定所述目标检测网络对应的原始检测数据，根据所述原始检测数据确定目标检测矩阵，并将所述目标检测矩阵输入至所述社团检测装置，其中，所述目标检测矩阵包括网络拓扑矩阵、抗噪节点属性矩阵、节点选择矩阵以及社团真相矩阵中的至少一项；所述社团检测装置，用于基于所述目标检测矩阵确定所述目标检测网络对应的社团检测矩阵，并将所述社团检测矩阵输入至所述结果确定装置，其中，所述社团检测矩阵包括目标社团隶属度矩阵和目标社团属性矩阵；所述结果确定装置，用于根据所述社团检测矩阵确定社团检测结果，其中，所述社团检测结果包括社团分类结果以及社团语义结果。2.根据权利要求1所述的系统，其特征在于，所述数据获取装置，包括数据处理模块和矩阵确定模块；其中，所述数据处理模块，用于获取目标检测网络，确定所述目标检测网络对应的原始检测数据，根据所述原始检测数据得到目标矩阵参数，其中，所述原始检测数据包括网络拓扑结构、节点属性以及先验信息至少其中一项，所述目标矩阵参数包括社团个数、节点个数以及属性个数；所述矩阵确定模块，用于根据所述网络拓扑结构和所述节点个数确定所述网络拓扑矩阵，根据所述节点属性、所述属性个数以及所述网络拓扑矩阵确定抗噪节点属性矩阵，根据所述先验信息和所述社团个数确定节点选择矩阵和社团真相矩阵。3.根据权利要求2所述的系统，其特征在于，所述数据处理模块，包括抗噪处理单元，具体用于：基于所述节点属性和所述节点个数确定初始节点属性矩阵，根据所述网络拓扑矩阵和所述初始节点属性矩阵确定所述抗噪节点属性矩阵。4.根据权利要求1所述的系统，其特征在于，还包括：目标函数确定装置和参数预设装置，其中，所述目标函数确定装置，用于在基于所述目标检测矩阵确定所述目标检测网络对应的社团检测矩阵之前，确定所述社团检测装置对应的目标函数，并基于所述目标函数确定社团隶属度更新规则和社团属性更新规则；所述参数预设装置，用于预设所述目标函数对应的目标检测参数，其中，所述目标检测参数包括迭代次数阈值、变化量阈值、第一平衡参数以及第二平衡参数至少其中一项。5.根据权利要求4所述的系统，其特征在于，所述社团检测装置，包括矩阵初始化模块、社团检测模块以及结果输出模块；其中，所述矩阵初始化模块，用于初始化初始社团隶属度矩阵和初始社团属性矩阵；所述社团检测模块，用于针对输入的所述目标检测矩阵，基于所述目标检测参数以及所述社团个数，根据所述社团隶属度更新规则对所述初始化初始社团隶属度矩阵进行更新得到当前社团隶属度矩阵，根据所述社团属性更新规则对所述初始社团属性矩阵进行更新得到当前社团属性矩阵，确定当前迭代次数，并基于所述当前社团隶属度矩阵、所述当前社团属性矩阵以及所述目标函数得到当前次变化量，并基于所述当前次变化量、所述变化量
阈值、所述当前迭代次数以及所述迭代次数阈值确定所述社团检测矩阵。6.根据权利要求5所述的系统，其特征在于，社团检测模块，包括数据更新单元和结果输出单元；其中，所述数据更新单元，用于在所述当前次变化量大于所述变化量阈值，且所述当前迭代次数未达到所述迭代次数阈值的情况下，返回执行根据所述社团隶属度更新规则对所述初始化初始社团隶属度矩阵进行更新得到当前社团隶属度矩阵，根据所述社团属性更新规则对所述初始社团属性矩阵进行更新得到当前社团属性矩阵，确定当前迭代次数，并基于所述当前社团隶属度矩阵、所述当前社团属性矩阵以及所述目标函数得到当前次变化量的操作；所述结果输出单元，在所述当前次变化量小于或等于所述变化量阈值，或所述当前迭代次数达到所述迭代次数阈值的情况下，将当前社团隶属度矩阵确定为目标社团隶属度矩阵，将所述当前社团属性矩阵确定为目标社团属性矩阵。7.根据权利要求4所述的系统，其特征在于，所述目标函数，具体用于：其中，c表示当前社团隶属度矩阵，n表示抗噪节点属性矩阵，m表示当前社团属性矩阵，α表示第一平衡参数，β表示第二平衡参数，b表示节点选择矩阵，c
r
表示社团真相矩阵，k表示社团个数，i表示抗噪节点属性矩阵的行数，f表示范数，o表示当前变化量。8.根据权利要求7所述的系统，其特征在于，所述社团隶属度更新规则，具体用于：其中，c
ij
表示当前社团隶属度矩阵，n表示抗噪节点属性矩阵，m表示当前社团属性矩阵，α表示第一平衡参数，b表示节点选择矩阵，c
r
表示社团真相矩阵。9.根据权利要求7所述的系统，其特征在于，所述社团属性更新规则，具体用于：其中，m表示当前社团属性矩阵，c表示当前社团隶属度矩阵，n表示抗噪节点属性矩阵，m表示属性个数，k表示社团个数。10.一种社团检测方法，其特征在于，包括：获取目标检测网络，确定所述目标检测网络对应的原始检测数据，根据所述原始检测数据确定目标检测矩阵，并将所述目标检测矩阵输入至所述社团检测装置，其中，所述目标检测矩阵包括网络拓扑矩阵、抗噪节点属性矩阵、节点选择矩阵以及社团真相矩阵中的至少一项；基于所述目标检测矩阵确定所述目标检测网络对应的社团检测矩阵，并将所述社团检测矩阵输入至所述结果确定装置，其中，所述社团检测矩阵包括目标社团隶属度矩阵和目标社团属性矩阵；根据所述社团检测矩阵确定社团检测结果，其中，所述社团检测结果包括社团分类结
果以及社团语义结果。

技术总结
本发明公开了一种社团检测系统及方法。其中，社团检测系统包括：数据获取装置、社团检测装置以及结果确定装置；其中，所述数据获取装置，用于获取目标检测网络，确定所述目标检测网络对应的原始检测数据，根据所述原始检测数据确定目标检测矩阵，并将所述目标检测矩阵输入至所述社团检测装置；所述社团检测装置，用于基于所述目标检测矩阵确定所述目标检测网络对应的社团检测矩阵，并将所述社团检测矩阵输入至所述结果确定装置；所述结果确定装置，用于根据所述社团检测矩阵确定社团检测结果。基于本发明的技术方案，能够提高社团检测的精准性，提高所检测的目标检测网络对应的社团分类结果以及社团语义结果的准确性。类结果以及社团语义结果的准确性。类结果以及社团语义结果的准确性。


技术研发人员：南东洋 张书博
受保护的技术使用者：中国农业银行股份有限公司
技术研发日：2023.04.25
技术公布日：2023/7/20