1.一种非负矩阵社区发现方法，其特征在于，包括如下步骤：S11数据收集与计算，形成相似度矩阵X和L；

S12将X进行非负矩阵分解，X≈UV；

S13构造含有L的目标函数O；以及S14基于目标函数，得到非负矩阵分解的迭代公式，进行迭代，完成社区划分；

所述步骤S13含有L的目标函数

T 2 T

O＝||X‑UV||+λTr(VLV)T

其中，U和V的矩阵大小分别为m╳k以及k╳n；λ是平滑度，λ值在(0，1]区间；Tr(VLV)是矩阵的迹；k社区数，初值k<

所述步骤S14非负矩阵分解的迭代公式每迭代一次，计算目标函数O，当O不再变化时，迭代结束。

2.根据权利要求1所述的非负矩阵社区发现方法，其特征在于，所述步骤S11用邻接表表示实体集及其第一组属性；用第一距离计算方法，计算基于这组属性的实体间的距离，形成相似度矩阵X；用所述实体集的第二组属性，用第二距离计算方法，形成相似度矩阵L。

3.根据权利要求2所述的非负矩阵社区发现方法，其特征在于，所述第一组属性与所述第二组属性有交集。

4.根据权利要求2所述的非负矩阵社区发现方法，其特征在于，所述第一距离计算方法与所述第二距离计算方法相同。

5.一种非负矩阵电影社区发现方法，其特征在于，包括如下步骤：S21以用户观看电影的相似度矩阵，作为X；以用户观看电影类型的相似度矩阵，作为L；

S22将X进行非负矩阵分解，X≈UV，得初始值：U、V；以及S23使用非负矩阵分解的迭代公式进行迭代；计算目标函数O，当O不再变化，迭代结束，社区划分结束；

所述步骤S23非负矩阵分解的迭代公式为：目标函数O为：

T 2 T

O＝||X‑UV||+λTr(VLV)T

其中，U和V的矩阵大小分别为m╳k以及k╳n；λ是平滑度，λ值在(0，1]区间；Tr(VLV)是矩阵的迹；k社区数，初值k<