[發(fā)明專利]一種基于知識圖譜中實體相似度的社區(qū)發(fā)現(xiàn)方法及裝置

有效

• 申請?zhí)枺?/td>: 201810498426.2
• 申請日: 2018-05-23
• 公開（公告）號: CN108959370B
• 公開（公告）日: 2021-04-06
• 發(fā)明（設(shè)計）人: 王宏志;鄒開發(fā);萬曉瓏;楊東華
• 申請（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06Q50/00
• 代理公司: 北京格允知識產(chǎn)權(quán)代理有限公司 11609
• 代理人: 周嬌嬌;李亞東

本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，提供了一種基于知識圖譜中實體相似度的社區(qū)發(fā)現(xiàn)方法及裝置，該方法包括：使用知識圖譜存儲社交網(wǎng)絡(luò)數(shù)據(jù)，并計算杰卡德距離得到相似度矩陣；根據(jù)所述相似度矩陣計算所述知識圖譜中的相似節(jié)點集合；根據(jù)所述相似節(jié)點集合進(jìn)行迭代的標(biāo)簽傳播，并根據(jù)迭代后的每個節(jié)點的標(biāo)簽列表來確定該節(jié)點最終的社區(qū)標(biāo)簽，以進(jìn)行社區(qū)發(fā)現(xiàn)。我們利用知識圖譜存儲社區(qū)網(wǎng)絡(luò)，避免了對缺失數(shù)據(jù)的結(jié)構(gòu)的存儲，同時以此為基礎(chǔ)將杰卡德距離作為相似度的計算基準(zhǔn)，使其準(zhǔn)確度更高。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種基于知識圖譜中實體相似度的社區(qū)發(fā)現(xiàn)方法及裝置。

背景技術(shù)

在龐大的社交網(wǎng)絡(luò)中，通常存在著大量的用戶實體以及與其相關(guān)的事件、地點等，而不同的用戶實體之間往往在行為、信息等方面具有一定的相似性，而用戶通常并沒有辦法準(zhǔn)確而高效的搜索到這些與自己相似的用戶。因此，對社交網(wǎng)絡(luò)中的用戶實體的相似性進(jìn)行挖掘，并分析相似用戶的信息和行為，可以達(dá)到對用戶進(jìn)行好友和個性化行為推薦等功能的目的。

另一方面社交網(wǎng)絡(luò)中相似的用戶群體往往是具有相似愛好、性格的小團(tuán)體，從而可以組成社交網(wǎng)絡(luò)中的社區(qū)，對用戶進(jìn)行社區(qū)推薦，也可以幫助用戶更快速地認(rèn)識新的好友。

目前，對社交網(wǎng)絡(luò)中的實體相似性的挖掘通常是基于用戶之間的相似性度量(余弦相似性、皮爾遜相關(guān)系數(shù)等)在網(wǎng)絡(luò)中進(jìn)行搜索，通過對屬性進(jìn)行計算得到用戶的相似度矩陣，然后進(jìn)行相似度的分析。

目前的社區(qū)發(fā)現(xiàn)方法則主要分為標(biāo)簽傳播現(xiàn)方法與模塊度方法，代表算法為LPA算法與GN算法。標(biāo)簽傳播現(xiàn)方法通過對節(jié)點的標(biāo)簽進(jìn)行迭代傳播達(dá)到劃分社區(qū)的目的。但是該方法對用戶的聯(lián)系均是通過圖中節(jié)點的連通性進(jìn)行判斷，但在社區(qū)網(wǎng)絡(luò)中，相似的用戶并不一定是直接連通的，反之，即使是連通的用戶之間，也未必存在著較高的相似性。這使得算法在迭代期間，搜索空間變大，從而消耗了更多的時間復(fù)雜度。模塊度方法是通過計算邊介數(shù)這一概念對社區(qū)進(jìn)行劃分，而邊介數(shù)同樣依靠節(jié)點的聯(lián)通性，正如上所言，由于聯(lián)通的用戶未必相似，這使得模塊度算法也同樣會存在一定的偏差。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題在于，針對現(xiàn)有社區(qū)發(fā)現(xiàn)方法以上一個或多個缺陷，提供了一種基于知識圖譜中實體相似度的社區(qū)發(fā)現(xiàn)方法及裝置。

為了解決上述技術(shù)問題，本發(fā)明提供了基于知識圖譜中實體相似度的社區(qū)發(fā)現(xiàn)方法，包括：

使用知識圖譜存儲社交網(wǎng)絡(luò)數(shù)據(jù)，并計算杰卡德距離得到相似度矩陣；

根據(jù)所述相似度矩陣計算所述知識圖譜中的相似節(jié)點集合；

根據(jù)所述相似節(jié)點集合進(jìn)行迭代的標(biāo)簽傳播，并根據(jù)迭代后的每個節(jié)點的標(biāo)簽列表來確定該節(jié)點最終的社區(qū)標(biāo)簽，以進(jìn)行社區(qū)發(fā)現(xiàn)。

可選地，所述根據(jù)所述相似度矩陣計算知識圖譜中的相似節(jié)點集合，包括：

接收預(yù)設(shè)半徑和相似度閾值；

對于知識圖譜中的每個節(jié)點，搜索當(dāng)前節(jié)點的預(yù)設(shè)半徑范圍內(nèi)與所述當(dāng)前節(jié)點相似度大于相似度閾值的節(jié)點，加入當(dāng)前節(jié)點的相似節(jié)點集合。

可選地，所述根據(jù)所述相似節(jié)點集合進(jìn)行迭代的標(biāo)簽傳播，包括：

為知識圖譜中的每個節(jié)點初始化標(biāo)簽列表，每個節(jié)點的標(biāo)簽列表中初始化具有唯一的標(biāo)簽，且權(quán)重為1；

設(shè)當(dāng)前迭代次數(shù)的初始值為0，判斷當(dāng)前迭代次數(shù)是否小于預(yù)設(shè)迭代次數(shù)，是則依次對所述知識圖譜中的每個節(jié)點進(jìn)行標(biāo)簽傳播操作，其中對于當(dāng)前節(jié)點而言，以當(dāng)前節(jié)點作為監(jiān)聽者，并將當(dāng)前節(jié)點的相似節(jié)點集合中的所有節(jié)點作為傳播者，將每個傳播者的標(biāo)簽列表中權(quán)重最大的標(biāo)簽以及與權(quán)重發(fā)送給作為監(jiān)聽者的當(dāng)前節(jié)點；在知識圖譜中的每個節(jié)點均執(zhí)行完該輪標(biāo)簽傳播操作后，當(dāng)前迭代次數(shù)加1，開始下一輪迭代，在當(dāng)前迭代次數(shù)達(dá)到預(yù)設(shè)迭代次數(shù)時結(jié)束迭代。