基于大语言模型的复杂网络社团划分方法

本发明公开了基于大语言模型的复杂网络社团划分方法。传统社团划分方法在大规模网络中具有一定局限性，容易受到噪声数据或异常值的干扰。本发明方法首先构建初始无向网络；然后生成初始子社团，利用大模型的深度推理能力，基于节点的连接特征和局部拓扑信息，精准定位社区核心节点；最后通过构建层次化有向图并运用局部搜索技术，结合中心性PR值和影响力值，与路径长度的复合评估标准，逐步划分出多层次社区。本发明方法在复杂网络中展现出卓越的适应性，能够显著减少计算负担并提升分割质量。本发明不仅为网络分析领域提供了新的研究视角，还为相关领域的实际问题解决提供了高效支持，应用前景广阔。