[發明專利]一種基于節點連接和屬性相似度的社團發現方法和系統在審
| 申請號: | 202010948386.4 | 申請日: | 2020-09-10 |
| 公開(公告)號: | CN112084425A | 公開(公告)日: | 2020-12-15 |
| 發明(設計)人: | 張能鋒;張俊;胡倫 | 申請(專利權)人: | 深圳市萬佳安人工智能數據技術有限公司 |
| 主分類號: | G06F16/9536 | 分類號: | G06F16/9536;G06F17/11;G06F17/16;G06Q50/00 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 518000 廣東省深圳市南山區粵海街*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 節點 連接 屬性 相似 社團 發現 方法 系統 | ||
1.一種基于節點連接和屬性相似度的社團發現方法和系統,其包括以下步驟:
S1.服務器對社團發現裝置發出社交網絡社團發現的指令;
S2.社團發現裝置接收社交網絡中海量的數據信息,將社交網絡抽象為網絡數據;
S3.社團發現裝置對網絡數據進行預處理,計算并構建鄰接矩陣、屬性相似度矩陣和拓撲結構矩陣;
S4.社團發現裝置基于S3中的鄰接矩陣、屬性相似度矩陣和拓撲結構度矩陣,初始化相似度矩陣,構建關于相似度矩陣的最優化模型;
S5.針對S4中得到最優化模型,社團發現裝置采用交替優化的策略,通過Karush-Kuhn-Tucker(KKT)條件來獲得更新公式,獲得相似度矩陣的最優解;
S6.社團發現裝置根據S5所得相似度矩陣,通過數據處理獲取社團發現的結果。
2.根據權利要求1所述的一種基于節點連接和屬性相似度的社團發現方法和系統,其特征在于,步驟S2中的網絡是基于鏈接的網絡,而非基于節點的網絡。步驟S3中計算屬性相似度時考慮了鏈接對應的兩個節點的屬性。
3.一種根據權利要求1-2任意一項所述的基于節點連接和屬性相似度的社團發現方法的社團發現裝置,其特征在于,包括網絡構建模塊、數據初始化模塊、模型構建模塊、模型求解模塊、社團發現模塊以及結果展示模塊。其中:
所述網絡構建模塊和數據初始化模塊相連接,網絡構建模塊用于將包含了大量屬性信息的社交網絡構建成為一個基于鏈接的網絡,并將構建好的網絡傳遞給數據初始化模塊。
所述數據初始化模塊和模型構建模塊相連接,數據初始化模塊對網絡數據進行預處理,計算獲得鄰接矩陣、屬性相似度矩陣和拓撲結構矩陣,定義相似度矩陣,并將這些矩陣傳遞給模型構建模塊。
所訴模型構建模塊和模型求解模塊相連接,模型構建模塊根據數據初始化結果構建關于相似度矩陣的最優化模型,并將該模型傳遞給模型求解模塊。
所訴模型求解模塊和社團發現模塊相連接,模型求解模塊將得到的最優化模型應用Karush-Kuhn-Tucker(KKT)條件進行求解,獲得最優的相似度矩陣,并將其傳遞到社團發現模塊。
所述社團發現模塊和結果展示模塊相連接,社團發現模塊以求解的相似度矩陣作為輸入結果,將每個節點劃分到相應社團中以完成社團發現任務。最后社團發現結果被傳遞給結果展示模塊。
4.根據權利要求3所述的一種基于節點連接和屬性相似度的社團發現方法和系統的社團發現裝置,其特征在于,將傳統的社團發現問題轉化為圖聚類算法問題,從拓撲結構的角度來看,同一個社團內的用戶具有緊密聯系的,從屬性角度來看,同一個社團內的用戶在特定的屬性上至少是相似的。
5.根據權利要求3所述的一種基于節點連接和屬性相似度的社團發現方法和系統的社團發現裝置,其特征在于,所述最優化模型考慮到了重疊社團的情況,通過處理相似度矩陣來進行社團發現,能夠發現更具有實際意義的社團。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于深圳市萬佳安人工智能數據技術有限公司,未經深圳市萬佳安人工智能數據技術有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010948386.4/1.html,轉載請聲明來源鉆瓜專利網。





