本發(fā)明涉及互聯(lián)網(wǎng)、社交網(wǎng)路分析技術(shù)，具體講,涉及自適應(yīng)的社區(qū)發(fā)現(xiàn)方法。

背景技術(shù)：

隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，人與人之間的聯(lián)系更加緊密，人們發(fā)現(xiàn)形形色色的復(fù)雜網(wǎng)絡(luò)占據(jù)了人類社會(huì)的各個(gè)角落。復(fù)雜網(wǎng)絡(luò)越來(lái)越成為相關(guān)領(lǐng)域的研究熱點(diǎn)。目前，學(xué)者們發(fā)現(xiàn)現(xiàn)實(shí)網(wǎng)絡(luò)不僅具有小世界和無(wú)標(biāo)度等特征，而且還具有社區(qū)結(jié)構(gòu)特征。社區(qū)與社區(qū)之間的連接雖然較為稀疏，但是社區(qū)內(nèi)部節(jié)點(diǎn)之間的連接卻非常稠密。這種社區(qū)結(jié)構(gòu)特征能夠反映節(jié)點(diǎn)之間的局部聚集特性。由于社區(qū)內(nèi)部的節(jié)點(diǎn)基本上都具有相似的性質(zhì)或者相似的功能，因此社區(qū)結(jié)構(gòu)的研究是進(jìn)一步對(duì)整個(gè)復(fù)雜網(wǎng)絡(luò)及其社區(qū)進(jìn)行功能研究的基礎(chǔ)。

目前有很多社區(qū)發(fā)現(xiàn)算法，如譜平分法，模塊度優(yōu)化算法，標(biāo)簽傳播算法(lpa),基于信息編碼的算法(infomap)，基于隨機(jī)游走的算法(walktrap)。但是上述算法并不能夠發(fā)現(xiàn)社區(qū)內(nèi)部結(jié)構(gòu)。

密度峰值聚類算法，能夠得到穩(wěn)定的聚類結(jié)果和聚類內(nèi)部結(jié)構(gòu)。該算法的核心思想在聚類中心的描述上，作者認(rèn)為聚類中心同時(shí)具有兩個(gè)特點(diǎn)：本身密度大，即被密度不超過(guò)它的鄰居包圍；與其它密度更大的數(shù)據(jù)點(diǎn)之間的“距離”相對(duì)較大。由于社區(qū)發(fā)現(xiàn)本質(zhì)上是對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行聚類，因此該算法能夠應(yīng)用于社區(qū)發(fā)現(xiàn)中，并且在發(fā)現(xiàn)社區(qū)的基礎(chǔ)上，確定每個(gè)社區(qū)內(nèi)部的核心節(jié)點(diǎn)。但是在確定數(shù)據(jù)點(diǎn)的密度時(shí)需要給定截?cái)嗑嚯x，截?cái)嗑嚯x的選取會(huì)直接影響聚類效果。

技術(shù)實(shí)現(xiàn)要素：

為克服現(xiàn)有技術(shù)的不足，本發(fā)明旨在實(shí)現(xiàn)在整個(gè)社區(qū)劃分過(guò)程中，無(wú)需額外參數(shù)，能夠自適應(yīng)的應(yīng)用于各種網(wǎng)絡(luò)中。同時(shí)，當(dāng)節(jié)點(diǎn)作為源節(jié)點(diǎn)進(jìn)行信息傳遞時(shí)，與其它節(jié)點(diǎn)的信息量無(wú)關(guān)，因此本算法易實(shí)現(xiàn)并行化。本發(fā)明采用的技術(shù)方案是，自適應(yīng)的社區(qū)發(fā)現(xiàn)方法，步驟如下：

(1)首先遍歷網(wǎng)絡(luò)中的每一個(gè)節(jié)點(diǎn)，把每一個(gè)節(jié)點(diǎn)作為源節(jié)點(diǎn)，對(duì)其原始信息量進(jìn)行擴(kuò)散傳遞，當(dāng)一個(gè)節(jié)點(diǎn)作為源節(jié)點(diǎn)時(shí)，其信息傳遞與其它節(jié)點(diǎn)信息無(wú)關(guān)；

(2)利用信息傳遞所獲得信息量代替峰值聚類中的密度；

(3)利用信息量矩陣獲得節(jié)點(diǎn)之間的距離矩陣；

(4)根據(jù)信息量與距離獲得核心節(jié)點(diǎn)，并且為每一個(gè)核心節(jié)點(diǎn)分配一個(gè)社區(qū)號(hào)；

(5)利用核心節(jié)點(diǎn)擴(kuò)散完成社區(qū)劃分。

社交網(wǎng)絡(luò)可表示為圖g＝(v,e)，其中v＝{v1,v2,…,vn}表示網(wǎng)絡(luò)中節(jié)點(diǎn)集，e＝{e1,e2,…,em}表示網(wǎng)絡(luò)中邊集，n表示網(wǎng)絡(luò)中節(jié)點(diǎn)的個(gè)數(shù)，m表示網(wǎng)絡(luò)中邊的條數(shù)，定義網(wǎng)絡(luò)信息量矩陣sn×n，其中sii表示節(jié)點(diǎn)i的初始信息量，sij表示源節(jié)點(diǎn)i傳遞到節(jié)點(diǎn)j的信息量；

節(jié)點(diǎn)間信息傳遞遵循如下規(guī)則：

信息傳遞過(guò)程中，節(jié)點(diǎn)對(duì)于信任度不同的鄰居節(jié)點(diǎn)所傳信息量不同，信任度越大，所傳遞的信息量越大；

基于此定義源節(jié)點(diǎn)i與鄰居節(jié)點(diǎn)j的信任度，由公式(3)至公式(6)獲得信任度函數(shù)：

c(i,j)＝|ni∩nj|(3)

t(i,j)＝α(i,j)×(β(i,j)+1)(6)

其中,|c(i,j)|表示節(jié)點(diǎn)i與節(jié)點(diǎn)j的公共鄰居個(gè)數(shù)，ni表示與節(jié)點(diǎn)i相鄰的鄰居節(jié)點(diǎn)，nj表示與節(jié)點(diǎn)j相鄰的鄰居節(jié)點(diǎn)，|e(c(i,j))|表示節(jié)點(diǎn)i與節(jié)點(diǎn)j公共鄰居間的連邊總數(shù)，公式(4)中，分母為源節(jié)點(diǎn)的鄰居個(gè)數(shù)，使得t(i,j)≠t(j,i)，信息量的傳遞不對(duì)稱，度數(shù)大的節(jié)點(diǎn)獲得的信息量大，公式(5)表示兩節(jié)點(diǎn)公共鄰居間連邊總數(shù)與其最大可能的連邊總數(shù)的比值，由于β(i,j)是建立在α(i,j)的基礎(chǔ)上，因此總的信任度定義為公式(6)；

信息傳遞步驟如下：

1)初始化所有節(jié)點(diǎn)的信息量為1，即信息量矩陣sn×n為單位矩陣；

2)遍歷網(wǎng)絡(luò)中的節(jié)點(diǎn)，將每個(gè)節(jié)點(diǎn)依次作為源節(jié)點(diǎn)，對(duì)其初始信息量1進(jìn)行擴(kuò)散傳遞，此時(shí)并不考慮其余節(jié)點(diǎn)的信息量；

3)源節(jié)點(diǎn)在擴(kuò)散傳遞信息量時(shí)，采用廣度優(yōu)先算法bfs，以i為源節(jié)點(diǎn)，其傳遞到鄰居節(jié)點(diǎn)j的信息量sij＝1×t(i,j)，鄰居節(jié)點(diǎn)j要把源節(jié)點(diǎn)i傳遞的信息量sij繼續(xù)擴(kuò)散到j(luò)的鄰居節(jié)點(diǎn)k，k節(jié)點(diǎn)獲得信息量sik＝sij×t(j,k)＝1×t(i,j)×t(j,k)，直到網(wǎng)絡(luò)中所有節(jié)點(diǎn)都含有節(jié)點(diǎn)i的信息量時(shí)，節(jié)點(diǎn)i的信息傳遞完成；

信息傳遞結(jié)束后，sii＝1表示節(jié)點(diǎn)i的原始信息量，sij,j＝1,2,…,n；j≠i表示源節(jié)點(diǎn)i傳遞到網(wǎng)絡(luò)上其它節(jié)點(diǎn)的信息量，表示節(jié)點(diǎn)j的信息總量。

距離矩陣計(jì)算步驟：

每一個(gè)節(jié)點(diǎn)需要局部密度ρ和距離δ標(biāo)記，因此需要計(jì)算不同節(jié)點(diǎn)之間的距離，即距離矩陣，通過(guò)信息量矩陣sn×n獲得距離矩陣dn×n，具體步驟如下：

1)將dn×n對(duì)角線元素置為0，即節(jié)點(diǎn)到自身的距離為0；

2)令dij＝sij,i≠j；

3)依次求出dn×n每行的最大值li,i＝1,2,…,n；

4)i≠j，即得到歸一化后距離矩陣；

距離矩陣dn×n中，dij表示節(jié)點(diǎn)i到節(jié)點(diǎn)j的距離，節(jié)點(diǎn)i的距離δi表示節(jié)點(diǎn)i到比它密度大的節(jié)點(diǎn)的最短距離，當(dāng)節(jié)點(diǎn)i的密度最大時(shí)，令δi＝max{δi(j＝1,2,…,n；j≠i)}，這樣網(wǎng)絡(luò)中的每一個(gè)節(jié)點(diǎn)都可以用密度ρ和距離δ去標(biāo)記，即(ρ,δ)。

核心節(jié)點(diǎn)獲取步驟：

對(duì)于任意節(jié)點(diǎn)i，用(ρ,i)δi進(jìn)行標(biāo)記，并定義了混合參數(shù)γi＝ρi×δi,i＝1,2,…,n，γi的值越大，越有可能是核心節(jié)點(diǎn)，具體地：

首先把網(wǎng)絡(luò)中的節(jié)點(diǎn)分為三類，即非核心節(jié)點(diǎn)集，核心節(jié)點(diǎn)集和未確定節(jié)點(diǎn)集，分類依據(jù)如下：

非核心節(jié)點(diǎn)集為δ＝1的節(jié)點(diǎn)構(gòu)成的集合；核心節(jié)點(diǎn)集為δ≥e(δi)+σ(δi),i＝1,2,…n的節(jié)點(diǎn)構(gòu)成的集合，其中e(δi)和σ(δi)為節(jié)點(diǎn)距離δ的均值和方差；剩余節(jié)點(diǎn)構(gòu)成的集合即為未確定節(jié)點(diǎn)集；

然后進(jìn)一步確定未確定節(jié)點(diǎn)集中的節(jié)點(diǎn)是否屬于核心節(jié)點(diǎn)，采用如下步驟：

1)計(jì)算核心節(jié)點(diǎn)集中混合參數(shù)γ的最小值和非核心節(jié)點(diǎn)集中混合參數(shù)γ的最大值和最小值

2)把未確定節(jié)點(diǎn)集中的節(jié)點(diǎn)劃分到非核心節(jié)點(diǎn)集中，被劃分的節(jié)點(diǎn)總數(shù)記為n；

3)把未確定節(jié)點(diǎn)集中的節(jié)點(diǎn)劃分到核心節(jié)點(diǎn)集中；

4)對(duì)于未確定節(jié)點(diǎn)集中剩余的節(jié)點(diǎn)，依據(jù)γ值的大小進(jìn)行升序排序，按序遍歷節(jié)點(diǎn)，如果公式(7)成立則該節(jié)點(diǎn)屬于非核心節(jié)點(diǎn)集，并令如果公式(7)不成立，則計(jì)算終止，把本節(jié)點(diǎn)和剩余節(jié)點(diǎn)劃分到核心節(jié)點(diǎn)集中；

通過(guò)上述方法，確定了網(wǎng)絡(luò)的核心節(jié)點(diǎn)，即核心節(jié)點(diǎn)集中的元素。

社區(qū)劃分具體步驟是：

首先，為每一個(gè)核心節(jié)點(diǎn)分配唯一的且不同于其他核心節(jié)點(diǎn)的社區(qū)號(hào)，對(duì)于非核心節(jié)點(diǎn)i，距離矩陣dn×n中dji表示節(jié)點(diǎn)j到節(jié)點(diǎn)i的距離，所有核心節(jié)點(diǎn)距節(jié)點(diǎn)i的距離可通過(guò)距離矩陣d確定，把節(jié)點(diǎn)i劃分到與它距離最小的核心節(jié)點(diǎn)所在的社區(qū)內(nèi)，依次遍歷所有非核心節(jié)點(diǎn)，即可完成整個(gè)網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)。

本發(fā)明的特點(diǎn)及有益效果是：

本發(fā)明在整個(gè)社區(qū)劃分過(guò)程中，無(wú)需額外參數(shù)，能夠自適應(yīng)的應(yīng)用于各種網(wǎng)絡(luò)中。同時(shí)，當(dāng)節(jié)點(diǎn)作為源節(jié)點(diǎn)進(jìn)行信息傳遞時(shí)，與其它節(jié)點(diǎn)的信息量無(wú)關(guān)，因此本算法易實(shí)現(xiàn)并行化。實(shí)驗(yàn)結(jié)果驗(yàn)證了本算法的可行性和有效性。

在人工數(shù)據(jù)集上，能夠穩(wěn)定的發(fā)現(xiàn)網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)。圖2中的nmi是衡量社區(qū)發(fā)現(xiàn)準(zhǔn)確度的指標(biāo)。當(dāng)社區(qū)結(jié)構(gòu)明顯時(shí)，能夠準(zhǔn)確的發(fā)現(xiàn)網(wǎng)絡(luò)社區(qū)；當(dāng)社區(qū)結(jié)構(gòu)模糊時(shí)，相對(duì)于其它算法，依然有較高的社區(qū)發(fā)現(xiàn)能力。

附圖說(shuō)明：

圖1算法結(jié)構(gòu)。

圖2各算法在人工數(shù)據(jù)集上的nmi值(aid為本算法、fastgreed為模塊度優(yōu)化算法、vddpc為基于點(diǎn)距離和密度峰值的社區(qū)發(fā)現(xiàn)算法、lccd為基于密度峰值的局部擴(kuò)展社區(qū)發(fā)現(xiàn)算法)。

具體實(shí)施方式

為了避免參數(shù)選取不當(dāng)對(duì)算法性能的影響，本文發(fā)明一種基于信息傳遞和峰值聚類的自適應(yīng)社區(qū)發(fā)現(xiàn)算法(anadaptivecommunitydetectionmethodbasedoninformationtransferanddensitypeaks，aid)。首先，引入信息量來(lái)度量節(jié)點(diǎn)密度與節(jié)點(diǎn)間距離。節(jié)點(diǎn)信息量通過(guò)節(jié)點(diǎn)間的信息傳遞過(guò)程獲取。本文定義信息傳遞過(guò)程基于節(jié)點(diǎn)間的信任度,信任度越高的目的節(jié)點(diǎn)獲取的信息量越大。用信息量來(lái)代替峰值聚類中密度，可避免截?cái)嗑嚯x的參數(shù)選取，且節(jié)點(diǎn)傳播信息是獨(dú)立的，易實(shí)現(xiàn)并行化。然后，提出一種自動(dòng)選取核心節(jié)點(diǎn)的方法，從而完成整個(gè)網(wǎng)絡(luò)的社區(qū)劃分。

利用節(jié)點(diǎn)間基于信任度的信息傳遞確定峰值聚類中的節(jié)點(diǎn)密度和節(jié)點(diǎn)距離，其能夠很好的區(qū)分核心節(jié)與非核心節(jié)點(diǎn)；然后通過(guò)核心節(jié)點(diǎn)完成社區(qū)劃分。

本發(fā)明在整個(gè)社區(qū)劃分過(guò)程中，無(wú)需額外參數(shù)，能夠自適應(yīng)的應(yīng)用于各種網(wǎng)絡(luò)中。同時(shí)，當(dāng)節(jié)點(diǎn)作為源節(jié)點(diǎn)進(jìn)行信息傳遞時(shí)，與其它節(jié)點(diǎn)的信息量無(wú)關(guān)，因此本算法易實(shí)現(xiàn)并行化。

一、信息傳遞

社交網(wǎng)絡(luò)可表示為圖g＝(v,e)，其中v＝{v1,v2,…,vn}表示網(wǎng)絡(luò)中節(jié)點(diǎn)集，e＝{e1,e2,…,em}表示網(wǎng)絡(luò)中邊集，n表示網(wǎng)絡(luò)中節(jié)點(diǎn)的個(gè)數(shù)，m表示網(wǎng)絡(luò)中邊的條數(shù)。

定義網(wǎng)絡(luò)信息量矩陣sn×n，其中sii表示節(jié)點(diǎn)i的初始信息量，sij表示源節(jié)點(diǎn)i傳遞到節(jié)點(diǎn)j的信息量。

節(jié)點(diǎn)間信息傳遞遵循如下假設(shè)：

信息傳遞過(guò)程中，節(jié)點(diǎn)對(duì)于信任度不同的鄰居節(jié)點(diǎn)所傳信息量不同，信任度越大，所傳遞的信息量越大。

基于此本文定義了源節(jié)點(diǎn)i與鄰居節(jié)點(diǎn)j的信任度，由公式(3)至公式(6)獲得信任度函數(shù)。

c(i,j)＝|ni∩nj|(3)

t(i,j)＝α(i,j)×(β(i,j)+1)(6)

其中,|c(i,j)|表示節(jié)點(diǎn)i與節(jié)點(diǎn)j的公共鄰居個(gè)數(shù)，ni表示與節(jié)點(diǎn)i相鄰的鄰居節(jié)點(diǎn)，nj表示與節(jié)點(diǎn)j相鄰的鄰居節(jié)點(diǎn)，|e(c(i,j))|表示節(jié)點(diǎn)i與節(jié)點(diǎn)j公共鄰居間的連邊總數(shù)。公式(4)中，分母為源節(jié)點(diǎn)的鄰居個(gè)數(shù)，使得t(i,j)≠t(j,i)，信息量的傳遞不對(duì)稱，度數(shù)大的節(jié)點(diǎn)獲得的信息量大。公式(5)表示兩節(jié)點(diǎn)公共鄰居間連邊總數(shù)與其最大可能的連邊總數(shù)的比值。由于β(i,j)是建立在α(i,j)的基礎(chǔ)上，因此總的信任度定義為公式(6)。

信息傳遞步驟如下：

1)初始化所有節(jié)點(diǎn)的信息量為1，即信息量矩陣sn×n為單位矩陣。

2)遍歷網(wǎng)絡(luò)中的節(jié)點(diǎn)，將每個(gè)節(jié)點(diǎn)依次作為源節(jié)點(diǎn)，對(duì)其初始信息量1進(jìn)行擴(kuò)散傳遞，此時(shí)并不考慮其余節(jié)點(diǎn)的信息量。

3)源節(jié)點(diǎn)在擴(kuò)散傳遞信息量時(shí)，采用廣度優(yōu)先算法(bfs)。以i為源節(jié)點(diǎn)，其傳遞到鄰居節(jié)點(diǎn)j的信息量sij＝1×t(i,j)，鄰居節(jié)點(diǎn)j要把源節(jié)點(diǎn)i傳遞的信息量sij繼續(xù)擴(kuò)散到j(luò)的鄰居節(jié)點(diǎn)k，k節(jié)點(diǎn)獲得信息量sik＝sij×t(j,k)＝1×t(i,j)×t(j,k)，直到網(wǎng)絡(luò)中所有節(jié)點(diǎn)都含有節(jié)點(diǎn)i的信息量時(shí)，節(jié)點(diǎn)i的信息傳遞完成。

信息傳遞結(jié)束后，sii＝1表示節(jié)點(diǎn)i的原始信息量，sij(j＝1,2,…,n；j≠i)表示源節(jié)點(diǎn)i傳遞到網(wǎng)絡(luò)上其它節(jié)點(diǎn)的信息量。表示節(jié)點(diǎn)j的信息總量。

利用節(jié)點(diǎn)總信息量代替密度峰值聚類中各個(gè)節(jié)點(diǎn)的密度，從而避開(kāi)了截?cái)嗑嚯xdc的選取。

二、距離矩陣計(jì)算

本發(fā)明中，每一個(gè)節(jié)點(diǎn)需要局部密度ρ和距離δ標(biāo)記。因此需要計(jì)算不同節(jié)點(diǎn)之間的距離，即距離矩陣?？赏ㄟ^(guò)信息量矩陣sn×n獲得距離矩陣dn×n，具體步驟如下：

1)將dn×n對(duì)角線元素置為0，即節(jié)點(diǎn)到自身的距離為0；

2)令dij＝sij(i≠j)；

3)依次求出dn×n每行的最大值li(i＝1,2,…,n)；

4)即得到歸一化后距離矩陣。

距離矩陣dn×n中，dij表示節(jié)點(diǎn)i到節(jié)點(diǎn)j的距離。節(jié)點(diǎn)i的距離δi表示節(jié)點(diǎn)i到比它密度大的節(jié)點(diǎn)的最短距離，當(dāng)節(jié)點(diǎn)i的密度最大時(shí)，令δi＝max{δi(j＝1,2,…,n；j≠i)}。這樣網(wǎng)絡(luò)中的每一個(gè)節(jié)點(diǎn)都可以用密度ρ和距離δ去標(biāo)記，即(ρ,δ)。

三、核心節(jié)點(diǎn)獲取

對(duì)于任意節(jié)點(diǎn)i，用(ρ,i)δi進(jìn)行標(biāo)記，并定義了混合參數(shù)γi＝ρi×δi,i＝1,2,…,n。γi的值越大，越有可能是核心節(jié)點(diǎn)。

為了使得整個(gè)算法達(dá)到自適應(yīng)的目的，提出一種自動(dòng)選取核心節(jié)點(diǎn)方法：

首先把網(wǎng)絡(luò)中的節(jié)點(diǎn)分為三類，即非核心節(jié)點(diǎn)集，核心節(jié)點(diǎn)集和未確定節(jié)點(diǎn)集。分類依據(jù)如下：

非核心節(jié)點(diǎn)集為δ＝1的節(jié)點(diǎn)構(gòu)成的集合；核心節(jié)點(diǎn)集為δ≥e(δi)+σ(δi),i＝1,2,…n的節(jié)點(diǎn)構(gòu)成的集合，其中e(δi)和σ(δi)為節(jié)點(diǎn)距離δ的均值和方差；剩余節(jié)點(diǎn)構(gòu)成的集合即為未確定節(jié)點(diǎn)集。

然后進(jìn)一步確定未確定節(jié)點(diǎn)集中的節(jié)點(diǎn)是否屬于核心節(jié)點(diǎn)，采用如下算法：

1)計(jì)算核心節(jié)點(diǎn)集中混合參數(shù)γ的最小值和非核心節(jié)點(diǎn)集中混合參數(shù)γ的最大值和最小值

2)把未確定節(jié)點(diǎn)集中的節(jié)點(diǎn)劃分到非核心節(jié)點(diǎn)集中，被劃分的節(jié)點(diǎn)總數(shù)記為n；

3)把未確定節(jié)點(diǎn)集中的節(jié)點(diǎn)劃分到核心節(jié)點(diǎn)集中；

4)對(duì)于未確定節(jié)點(diǎn)集中剩余的節(jié)點(diǎn)，依據(jù)γ值的大小進(jìn)行升序排序。按序遍歷節(jié)點(diǎn)，如果公式(7)成立則該節(jié)點(diǎn)屬于非核心節(jié)點(diǎn)集，并令如果公式(7)不成立，則計(jì)算終止，把本節(jié)點(diǎn)和剩余節(jié)點(diǎn)劃分到核心節(jié)點(diǎn)集中。

通過(guò)上述方法，確定了網(wǎng)絡(luò)的核心節(jié)點(diǎn)，即核心節(jié)點(diǎn)集中的元素。

四、社區(qū)劃分

首先，為每一個(gè)核心節(jié)點(diǎn)分配唯一的且不同于其他核心節(jié)點(diǎn)的社區(qū)號(hào)。對(duì)于非核心節(jié)點(diǎn)i，距離矩陣dn×n中dji表示節(jié)點(diǎn)j到節(jié)點(diǎn)i的距離，所有核心節(jié)點(diǎn)距節(jié)點(diǎn)i的距離可通過(guò)距離矩陣d確定。把節(jié)點(diǎn)i劃分到與它距離最小的核心節(jié)點(diǎn)所在的社區(qū)內(nèi)。依次遍歷所有非核心節(jié)點(diǎn)，即可完成整個(gè)網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)。

完成社區(qū)發(fā)現(xiàn)后，可通過(guò)節(jié)點(diǎn)總的信息量，確定節(jié)點(diǎn)在社區(qū)內(nèi)的重要程度，即社區(qū)內(nèi)部結(jié)構(gòu)。

一個(gè)實(shí)例中：

(1)首先遍歷網(wǎng)絡(luò)中的每一個(gè)節(jié)點(diǎn)，把每一個(gè)節(jié)點(diǎn)作為源節(jié)點(diǎn)，對(duì)其原始信息量(初始信息量)進(jìn)行擴(kuò)散傳遞，當(dāng)一個(gè)節(jié)點(diǎn)作為源節(jié)點(diǎn)時(shí)，其信息傳遞與其它節(jié)點(diǎn)信息無(wú)關(guān)；

(2)利用信息傳遞所獲得信息量代替峰值聚類中的密度；

(3)利用信息量矩陣獲得節(jié)點(diǎn)之間的距離矩陣；

(4)根據(jù)信息量與距離獲得核心節(jié)點(diǎn)，并且為每一個(gè)核心節(jié)點(diǎn)分配一個(gè)社區(qū)號(hào)；

(5)利用核心節(jié)點(diǎn)擴(kuò)散完成社區(qū)劃分。