CN110224847B - 基于社交网络的社团划分方法、装置、存储介质及设备 - Google Patents

基于社交网络的社团划分方法、装置、存储介质及设备 Download PDF

Info

Publication number
CN110224847B
CN110224847B CN201810408325.1A CN201810408325A CN110224847B CN 110224847 B CN110224847 B CN 110224847B CN 201810408325 A CN201810408325 A CN 201810408325A CN 110224847 B CN110224847 B CN 110224847B
Authority
CN
China
Prior art keywords
nodes
social network
node
community
motif
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810408325.1A
Other languages
English (en)
Other versions
CN110224847A (zh
Inventor
宁兆龙
于硕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian University of Technology
Tencent Technology Shenzhen Co Ltd
Original Assignee
Dalian University of Technology
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dalian University of Technology, Tencent Technology Shenzhen Co Ltd filed Critical Dalian University of Technology
Priority to CN201810408325.1A priority Critical patent/CN110224847B/zh
Publication of CN110224847A publication Critical patent/CN110224847A/zh
Application granted granted Critical
Publication of CN110224847B publication Critical patent/CN110224847B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/12—Discovery or management of network topologies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/104—Peer-to-peer [P2P] networks
    • H04L67/1042—Peer-to-peer [P2P] networks using topology management mechanisms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例公开了一种基于社交网络的社团划分方法、装置、存储介质及设备，属于计算机技术领域。所述方法包括：获取根据社交网络中的节点生成的拓扑结构信息；获取模体的生成条件，所述模体是由至少三个连通的节点组成的切割单元；从所述社交网络中选择满足所述生成条件的各组节点，生成每组节点对应的模体；根据所述拓扑结构信息计算各个所述模体的传导率，所述传导率用于指示所述模体之间的连通性；根据各个所述模体的传导率对所述社交网络进行切割，得到各个社团。本发明实施例将由至少三个连通的节点组成的模体作为社交网络的切割单元，可以提高社团划分的效率。

Description

基于社交网络的社团划分方法、装置、存储介质及设备
技术领域
本发明实施例涉及计算机技术领域，特别涉及一种基于社交网络的社团划分方法、装置、存储介质及设备。
背景技术
在社交网络的拓扑结构中，用户相当于节点，用户与用户之间的关系相当于边。随着用户人数的增多，社交网络变得非常庞大，需要将社交网络切割成多个社团来进行处理。其中，社团是社交网络中的节点的分组，且组内的节点之间的连接较为紧密，组间的节点之间的连接较为稀疏。
相关技术中，服务器先将社交网络中的每个节点划分到不同的社团中；对于每个节点，将该节点尝试划分到与其相邻的节点所在的社团中，计算划分前和划分后该节点的模块度，根据模块度的差值的正负来确定是接受或放弃本次的划分；重复以上过程，直至模块度不再增大时停止，得到各个社团。
由于需要尝试将每个节点划分到已有的社团中，在社交网络中的节点较多时，计算量较大，导致社团划分的效率较低。
发明内容
本发明实施例提供了一种基于社交网络的社团划分方法、装置、存储介质及设备，可以用于解决社团划分的效率较低的问题。所述技术方案如下：
一方面，提供了一种基于社交网络的社团划分方法，所述方法包括：
获取根据社交网络中的节点生成的拓扑结构信息；
获取模体的生成条件，所述模体是由至少三个连通的节点组成的切割单元；
从所述社交网络中选择满足所述生成条件的各组节点，生成每组节点对应的模体；
根据所述拓扑结构信息计算各个所述模体的传导率，所述传导率用于指示所述模体之间的连通性；
根据各个所述模体的传导率对所述社交网络进行切割，得到社团。
一方面，提供了一种基于社交网络的社团划分装置，所述装置包括：
获取模块，用于获取根据社交网络中的节点生成的拓扑结构信息；
所述获取模块，还用于获取模体的生成条件，所述模体是由至少三个连通的节点组成的切割单元；
选择模块，用于从所述社交网络中选择满足所述生成条件的各组节点，生成每组节点对应的模体；
计算模块，用于根据所述拓扑结构信息计算各个所述模体的传导率，所述传导率用于指示所述模体之间的连通性；
切割模块，用于根据所述计算模块得到的各个所述模体的传导率对所述社交网络进行切割，得到社团。
一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上所述的基于社交网络的社团划分方法。
一方面，提供了一种基于社交网络的社团划分设备，所述基于社交网络的社团划分设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如上所述的基于社交网络的社团划分方法。
本发明实施例提供的技术方案的有益效果是：
由于模体是由至少三个连通的节点组成的，所以，以模体为切割单位可以实现对社交网络的降维，从而快速区分出模体之间的强弱连接，在弱连接的模体之间进行切割，保留强连接的模体作为一个社团，解决了在社交网络中的节点较多时，尝试将每个节点划分到已有的社团中，导致社团划分的效率较低的问题，从而提高了社团划分的效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据部分示例性实施例示出的一种社交网络的划分目的的示意图；
图2是根据部分示例性实施例示出的一种社团划分系统的结构示意图；
图3是本发明一个实施例提供的基于社交网络的社团划分方法的方法流程图；
图4是本发明一个实施例提供的社交网络的切割示意图；
图5是本发明一个实施例提供的模体的示意图；
图6是本发明一个实施例提供的基于社交网络的社团划分方法的方法流程图；
图7是本发明一个实施例提供的切割社交网络的流程的示意图；
图8是本发明一个实施例提供的将剩余节点添加到社团中的方法流程图；
图9是本发明一个实施例提供的将剩余节点添加到社团中的流程的示意图；
图10是本发明一个实施例提供的转移节点的方法流程图；
图11是本发明一个实施例提供的转移节点的流程的示意图；
图12是本发明一个实施例提供的基于社交网络的社团划分装置的结构框图；
图13是本发明再一实施例提供的服务器的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
在对本发明实施例进行详细地解释说明之前，先对本发明实施例的应用场景进行说明。
本发明实施例应用于将网络中有连接关系的节点划分成社团的场景中，该场景可以包括：
1、网络是社交网络
社交网络是指供用户与用户之间进行交流的网络。
社交网络是基于各种社交软件建立的关系网。其中，社交软件包括但不限于：邮件、微博、购物软件、支付软件、聊天软件、打卡软件、视频软件、游戏软件、资讯软件。
节点是在社交软件上注册的帐号。
边是两个帐号之间基于某一特性建立的联系，该特性可以是多元化的。比如，该特性是好友关系，则当两个帐号存在好友关系时，该两个节点之间存在一条边；又比如，该特性是兴趣标签，则当两个帐号存在相同的兴趣标签时，该两个节点之间存在一条边。
由于社交网络非常庞大，所以，通常采用分布式系统来管理社交网络，即，分布式系统中的每台节点服务器管理社交网络中的部分节点。当频繁发送通信消息的两个节点位于不同的节点服务器中时，会导致这两台节点服务器之间需要频繁发送通信消息，通信开销较大。若将这两个节点划分成一个社团，并将这两个节点分配给一个节点服务器进行管理，则节点服务器可以内部转发这两个节点之间的通信消息，从而减少了通信开销。可见，当通过分布式系统来管理社交网络中的节点之前，可以先根据节点之间的强弱连接关系来划分出社团，并尽可能多地将社团分配给一个节点服务器进行管理，从而减少通信开销。
2、网络是通信设备网络
通信设备网络是指由地理位置不同的、具有独立功能的多台通信设备，通过通信链路连接起来的网络。
节点可以是通信设备。
边可以是通信设备之间的通信链路。
由于通信设备网络非常庞大，所以，对通信设备网络的维护较为困难。当维护一个地理区域内的通信设备时，由于这些通信设备可能用于提供不同的服务，维护期间多个服务都会被中断，影响用户的体验。若将提供同一服务的通信设备划分成一个社团，并在同一时间只维护一个社团内的通信设备，可以减少维护期间中断的业务的数量。
本实施例中，根据网络的特性可知，一些节点之间的联系较为紧密，这些节点之间的连接是强连接，一些节点之间的联系较为稀疏，这些节点之间的连接是弱连接，根据该特性，服务器可以确定该网络所适用的模体，快速识别出模体之间的强弱连接，再以模体为切割单位切割社交网络，可以提高社团划分的效率。下文以网络是社交网络为例进行说明，该方案同样适用于通信设备网络。
请参考图1，其示出了本申请的一个示例性实施例所要达到的三个目的：
1、识别出社交网络中的社团；
2、将剩余节点添加到社团中，剩余节点是社交网络中未被划分到任意一个社团的节点；
3、在动态拓扑结构下降低切割的鲁棒性。
接下来对本发明实施例的系统架构进行介绍。
请参考图2，其示出了本发明实施例提供的一种社团划分系统的结构示意图。该社团划分系统包括分布式系统中的各个节点服务器210和社团划分服务器220，该社团划分服务器220分别与每个节点服务器210通过有线网络或无线网络建立连接。
节点服务器210是社交网络所基于的社交软件的后台服务器，可以是一台服务器或多台服务器组成的服务器集群或云计算中心。节点服务器210用于管理社交网络中的部分节点，并与其他节点服务器210进行通信，以实现节点服务器210上的节点与其他节点服务器210上的节点之间的通信。
社团划分服务器220可以是分布式系统中的服务器，也可以不是分布式系统中的服务器。社团划分服务器220可以是一台服务器或多台服务器组成的服务器集群或云计算中心。社团划分服务器220中部署有社团划分装置，该社团划分装置用于接收各个节点服务器210输入的社交网络的拓扑结构信息，根据该拓扑结构信息对社交网络进行切割，得到各个社团。其中，拓扑结构信息在步骤301中进行解释。
图2中以分布式系统包括三个节点服务器210和一个社团划分服务器220为例进行举例说明。
需要说明的是，上述实施例以在社团划分服务器220中部署社团划分装置为例进行说明，在实际实现时，还可以在节点服务器210上部署社团划分装置，即，通过节点服务器210进行社团划分。
请参考图3，其示出了本发明一个实施例提供的基于社交网络的社团划分方法的方法流程图，该基于社交网络的社团划分方法可以应用于图2所示的部署有社团划分装置的服务器中。该基于社交网络的社团划分方法，包括：
步骤301，获取根据社交网络中的节点生成的拓扑结构信息。
社交网络包括多个节点，详见上述应用场景中的描述。
拓扑结构信息用于描述社交网络的网络结构。本实施例中，拓扑结构信息至少包括社交网络中所有节点的节点数和边连数据。以图4所示的社交网络为例，则拓扑结构信息可以包括：节点数9、两两之间有连接的节点。
其中，服务器获取拓扑结构信息的内容详见步骤619中的说明，此处不作赘述。
步骤302，获取社交网络所适用的模体的生成条件。
模体是由至少三个连通的节点组成的切割单元。本实施例中，模体需要满足两个条件，第一个条件是包含至少三个节点，第二个条件是节点之间连通。其中，连通是指节点之间相互连接且不存在孤立节点。
可选地，除了上述两个条件，还可以规定模体中的边数。请参考图5，图5中的圆圈表示节点，线段表示边，图5中的（1）表示的是由3个节点、2条边组成的模体，（2）表示的是由3个节点、3条边组成的模体，（3）表示的是由4个节点、3条边组成的模体，（4）表示的是由4个节点、5条边组成的模体。
需要说明的是，上述模体的边数还可以用连通度k表示，k为正整数。其中，连通度k是指最多去掉模体中的k条边后，模体中的节点不连通。比如，图5的（1）中的k是1，（2）中的k是2。
由于社交网络的连通度不同，所以，不同的社交网络可能适用的模体也不同。一般来说，社交网络的连通性越好，该社交网络所适用的模体中的节点数越多，和/或，该社交网络所适用的模体中的边数越多。
在一种可能的实现方式中，服务器先获取社交网络所适用的模体的生成条件，再执行步骤303。这里的生成条件可以包括模体的节点数和边数，这里的边数可以是一个确定的数值，也可以是一个不等式，本实施例不作限定。比如，当模体是图5中的（1）表示的模体时，生成条件可以是节点数3，边数≥2；或者，生成条件可以是节点数3，连通度≥1。
在获取社交网络所使用的模体的生成条件时，服务器先确定社交网络中最大的k连通子网络，即确定该社交网络最大的连通度k，这里的连通度k是指最多去掉社交网络中的k条边后，社交网络中的节点不连通；再根据连通度k确定模体的节点数和边数，得到生成条件。比如，社交网络的节点数为五六十万，k为10-12中的一个数值，则技术人员可以根据经验值确定，该社交网络所适用的模体的节点数为4，边数大于等于4。
在根据上述方法确定了社交网络所适用的模体的生成条件后，服务器在社交网络的节点中查找满足该生成条件的各组节点，并根据每组节点生成一个模体。
步骤303，从社交网络中选择满足生成条件的各组节点，生成每组节点对应的模体。
请参考图4所示的社交网络，其中每个节点都有一个编号，若步骤302确定的生成条件是节点数3，边数≥2，则可以对节点1、2、3生成一个模体、对节点1、3、9生成一个模体，对节点3、5、9生成一个模体。
步骤304，根据社交网络的拓扑结构信息计算各个模体的传导率。
传导率用于指示模体之间的连通性。其中，传导率越高，该模体与其他模体之间的连接越紧密；传导率越低，该模体与其他模体之间的连接越稀疏。
传导率的算法详见步骤604-608中的描述，此处不作赘述。
需要说明的是，当节点与节点相连时，可以称节点之间具有连通性；当模体与模体相连时，可以称模体之间具有连通性。
步骤305，根据各个模体的传导率对社交网络进行切割，得到社团。
社团是社交网络中的节点的分组，且组内的节点之间的连接较为紧密，组间的节点之间的连接较为稀疏。比如，社团是具有相同的兴趣标签的节点的分组，以兴趣标签是健身为例，则社团内的用户可能会经常讨论健身的计划、心得等，通信较为频繁；社团内的用户与社团外的其他用户的通信较少。
根据模体的传导率对社交网络进行切割的内容详见步骤609-611中的描述，此处不作赘述。
本实施例中，在执行步骤304和305之后，服务器可以将社交网络切割成两个部分；之后，服务器可以将每个部分作为社交网络进行切割，依此类推，直至切割出的社团满足条件或直至社交网路不可切割时停止，最终可以得到多个社团，或者，最终可以得到多个社团和至少一个未被划分到任意一个社团中的剩余节点。
综上所述，本发明实施例提供的基于社交网络的社团划分方法，由于模体是由至少三个连通的节点组成的，所以，以模体为切割单位可以实现对社交网络的降维，从而快速区分出模体之间的强弱连接，在弱连接的模体之间进行切割，保留强连接的模体作为一个社团，解决了在社交网络中的节点较多时，尝试将每个节点划分到已有的社团中，导致社团划分的效率较低的问题，从而提高了社团划分的效率。
请参考图6，其示出了本发明一个实施例提供的基于社交网络的社团划分方法的方法流程图，该基于社交网络的社团划分方法可以应用于图2所示的部署有社团划分装置的服务器中。该基于社交网络的社团划分方法，包括：
步骤601，获取根据社交网络中的节点生成的拓扑结构信息。
步骤602，获取模体的生成条件。
步骤603，从社交网络中选择满足生成条件的各组节点，生成每组节点对应的模体。
其中，步骤601-603的实现流程和步骤301-303的实现流程相同，详见上述解释。
步骤604，根据拓扑结构信息计算社交网络的对角矩阵和拉普拉斯矩阵。
拓扑结构信息的内容详见步骤301中的解释，生成步骤详见步骤619中的解释，此处不作赘述。
本实施例中，在计算社交网络的对角矩阵和拉普拉斯矩阵之前，服务器可以先计算节点的对角矩阵、邻接矩阵和拉普拉斯矩阵，再根据节点的对角矩阵、邻接矩阵和拉普拉斯矩阵计算社交网络的对角矩阵和拉普拉斯矩阵。为了便于区分，用下标1表示节点的矩阵，用下标2表示社交网络的矩阵。
对于每个节点，服务器先根据拓扑结构信息确定该节点的边的数量，将该数量作为对角元生成对角矩阵D1；根据拓扑结构信息中的边连情况生成该节点的邻接矩阵W1；根据公式D1- W1计算得到拉普拉斯矩阵L1。
在得到每个节点的三个矩阵后，若初始时假设每条边的初始权重为1，即无向图，则服务器可以根据邻接矩阵W1重新计算每条边的权重，得到新的社交网络。
服务器再根据新的社交网络计算社交网络的邻接矩阵W2和对角矩阵D2，此时，W2中的元素（m，n）表示节点m和节点n同时出现在一个模体中的次数，即，包含节点m和节点n的模体的个数。D2中的元素Dmm为W2的第m行的数值之和，即，节点m出现在模体中的次数。服务器根据公式D2- W2计算得到拉普拉斯矩阵L2。
步骤605，计算拉普拉斯矩阵的特征向量。
服务器根据拉普拉斯矩阵L2计算特征值，在得到的多个特征值中，选择第二小的特征值，获取该第二小的特征值所对应的特征向量。
步骤606，将对角矩阵和特征向量输入公式一，得到乘积向量，D是对角矩阵，z是特征向量。
其中，公式一是
Figure 819992DEST_PATH_IMAGE001
。
这里的对角矩阵是社交网络的对角矩阵D2。
在服务器将对角矩阵D2和特征向量z输入公式
Figure 456510DEST_PATH_IMAGE002
后，可以计算得到乘积向量σ。
步骤607，按照数值大小对乘积向量中的各个分量进行排序，根据排序结果生成索引向量，索引向量中的分量是乘积向量中对应位置处的分量的排序序号。
索引向量中的每个分量称为一个索引，且每个索引对应于社交网络中的一个节点。
比如，乘积向量σ为{0.7，0.5，0.8，1.2}，服务器按照数值从小到大的顺序对各个分量进行排序后，确定第一个分量0.7的排序序号是2，第二个分量0.5的排序序号是1，第三个分量0.8的排序序号是3，第四个分量1.2的排序序号是4，则得到的索引向量是{2，1，3，4}。
步骤608，对于索引向量中的第i个分量，将第i个分量对应的节点添加到第一集合中，将社交网络中剩余节点添加到第二集合中，根据公式二计算传导率，将i更新为i+1，继续执行将第i个分量对应的节点添加到第一集合中的步骤。
其中，公式二是
Figure 671590DEST_PATH_IMAGE003
，S是第一集合，
Figure 557507DEST_PATH_IMAGE004
是第二集合，
Figure 712807DEST_PATH_IMAGE005
是第一集合和第二集合之间的模体的数量，
Figure 875935DEST_PATH_IMAGE006
是第一集合中模体的数量，
Figure 120971DEST_PATH_IMAGE007
是第二集合中模体的数量，传导率用于指示模体之间的连通性。
仍然以图4中的社交网络和模体为例，且假设第一集合已包括节点1、9、3、2，第5个分量对应的节点是节点4，则将节点4添加到第一集合中，将节点8、6、7、5添加到第二集合中，此时第一集合和第二集合之间的模体包括：节点9、8、7组成的模体，节点9、8、6组成的模体，节点9、6、7组成的模体，节点9、5、7组成的模体，节点9、5、4组成的模体，节点4、5、7组成的模体，
Figure 900708DEST_PATH_IMAGE008
为6，同理，可以计算出
Figure 92655DEST_PATH_IMAGE009
为5，
Figure 234924DEST_PATH_IMAGE010
为3，传导率=6/min（5,3）=2，依此类推，直至将最后一个节点添加到第一集合中，且计算出传导率后停止循环。
步骤609，确定各个传导率中最小的传导率。
服务器从所有的传导率中查找到最小的传导率，当传导率最小时，说明此时第一集合和第二集合的连接关系最弱，服务器可以将第一集合和第二集合切割开，将第一集合作为社团。
步骤610，确定最小的传导率对应的第一集合和第二集合。
最小的传导率对应的第一集合和第二集合为：步骤608中计算该最小的传导率时划分的第一集合和第二集合。
此时的第一集合包含的节点是社交网络中整体连通性最好的至少一个模体中的。其中，整体连通性是指至少一个模体所组成的整体的连通性。
第二集合是第一集合的补集，即，第二集合包含社交网络中不属于第一集合的节点。
步骤611，在第一集合和第二集合之间进行切割，得到社团。
切割时，可以对第一集合和第二集合之间的边进行切割，即，将社交网络切割成第一集合和第二集合，将第一集合作为社团，将第二集合作为剩余节点。
请参考图7，其示出了输入社交网络的拓扑结构信息和生成条件、计算出社交网络的矩阵、更新社交网络、计算乘积向量、计算传导率、切割社交网络的流程的示意图。
本实施例中，在执行步骤604-611之后，服务器可以将社交网络切割成两个部分；之后，服务器可以将每个部分作为社交网络进行切割，依次类推，直至切割出的社团满足条件或直至社交网路不可切割时停止，最终可以得到多个社团，或者，最终可以得到多个社团和至少一个未被划分到任意一个社团中的剩余节点。
综上所述，本发明实施例提供的基于社交网络的社团划分方法，由于模体是由至少三个连通的节点组成的，所以，以模体为切割单位可以实现对社交网络的降维，从而快速区分出模体之间的强弱连接，在弱连接的模体之间进行切割，保留强连接的模体作为一个社团，解决了在社交网络中的节点较多时，尝试将每个节点划分到已有的社团中，导致社团划分的效率较低的问题，从而提高了社团划分的效率。
需要说明的第一点是，在通过步骤611得到社团之后，若社交网络中的所有节点均被划分到不同社团中，则结束流程；若社交网络中还存在未被划分到任意一个社团中的剩余节点，则还可以将这些剩余节点看作光晕模型的光晕部分，再基于光晕模型的局部密度的算法，将这些剩余节点中的部分节点划分到社团中，请参考图8，该基于社交网络的社团划分方法，还包括如下步骤：
步骤612，确定社交网络中未被划分到任意一个社团中的剩余节点。
步骤613，对于每个剩余节点，计算剩余节点的第一局部密度。
其中，计算剩余节点的第一局部密度，可以包括如下几个子步骤：
步骤一，计算剩余节点与社交网络中每个节点之间的第一距离。
这里的第一距离可以是欧式距离。
步骤二，获取第二距离。
第二距离可以是人为设定的。
步骤三，将第一距离和第二距离输入公式
Figure 57386DEST_PATH_IMAGE011
，得到剩余节点的第一局部密度。
其中，d1是第一距离，d2是第二距离；当d1＜d2时，
Figure 416430DEST_PATH_IMAGE012
为1；当d1＞d2时，
Figure 146489DEST_PATH_IMAGE013
为0。
步骤614，计算各个社团的中心节点的第二局部密度。
其中，中心节点是位于社团中心处的节点。若距离一个节点的距离小于等于第二距离的节点都与该节点属于同一社团，则可以将该节点称为中心节点。
需要说明的是，选择的第二距离，使得距离中心节点的距离小于等于第二距离的节点数为总节点数的1%-2%较为合适。
中心节点的第二局部密度的计算方式与剩余节点的第一局部密度的计算方式相同，此处不作赘述。
步骤615，当存在第二局部密度大于剩余节点的第一局部密度的中心节点时，确定剩余节点满足划分条件。
当不存在第二局部密度大于剩余节点的第一局部密度的中心节点时，服务器确定该剩余节点不满足划分条件，不将该剩余节点添加到任意一个社团中，结束流程。
步骤616，将剩余节点划分到中心节点所在的社团中。
当存在一个中心节点时，服务器将剩余节点划分到中心节点所在的社团中；当存在至少两个中心节点时，服务器从至少两个中心节点中选择距离剩余节点最近的中心节点，将剩余节点划分到选出的中心节点所在的社团中。
其中，步骤615和616可以用公式
Figure 284209DEST_PATH_IMAGE014
表示，p为剩余节点，q为中心节点，ρ为局部密度，即，先选择局部密度大于p的局部密度的中心节点q，再选择距离剩余节点p最近的中心节点q。
请参考图9，其示出了将剩余节点添加到社团中的流程的示意图。其中，簇即为社团，簇中心即为中心节点。
可选的，在将剩余节点添加到社团之后，还可以按照光晕模型将社团中的节点分为光晕边缘的节点和光晕中心的节点，比如，ρ的最大值为ρb，则可以将ρ大于ρb的节点称为光晕中心的节点，ρ小于等于ρb的节点称为光晕边缘的节点。
需要说明的是，相关技术中，在对社交网络进行切割时，并未考虑到将剩余节点添加到社团中，因此，容易造成负载不均衡的问题。实际上，剩余节点具有数量大、不集中、难归类等特点，因此，需要进行特殊处理以达到负载均衡的目的，本实施例通过将剩余节点添加到社团中，能够达到负载均衡的目的。
综上所述，通过将剩余节点作为光晕模型中的光晕部分，再基于光晕模型的局部密度的算法，可以有效地将该类节点进行区分和聚类，既确保了社团划分的准确性，也保证负载均衡。
需要说明的第二点是，在上述步骤601之前，还可以根据负载均衡的原则，控制分布式系统中各个节点服务器中的节点进行转移，根据转移后的节点更新社交网络的拓扑结构信息，以便社交关系动态变化时，在动态拓扑结构下降低切割的鲁棒性。
需要说明的是，为了维护节点的所有权，以便于在各个节点服务器之间自由地转移节点，可以通过在存储设备中设置分布式散列表来指示节点的物理位置，该分布式散列表中存储有每个节点的键值对，键为节点标识，值为节点当前的物理位置。
请参考图10，该基于社交网络的社团划分方法，还包括如下步骤：
步骤617，确定社交网络中待转移的节点。
本实施例中，每个节点至少包括三种信息，第一种信息是节点输出远程消息数，即该节点通过其所在的节点服务器向其他节点服务器发送的消息数；第二种信息是节点的输入消息数；第三种信息是节点的执行时段，即，该节点从开始处理输入消息到结束的时间段。
当上述三种信息中的任意一种信息的数值很高或很低时，都表示该节点的部署不合理，节点服务器可以将该节点确定为待转移的节点，该节点也可以称为不均衡的节点。
步骤618，根据节点所在的原始节点服务器和关联度公式选择目标节点服务器，目标节点服务器的负载小于原始节点服务器的负载。
本实施例中，将当前节点所在的节点服务器称为原始节点服务器，将节点转移后的节点服务器称为目标节点服务器。
节点服务器可以根据节点的节点标识在分布式散列表中查找对应的物理位置，从而根据物理位置确定节点所在的原始节点服务器，再根据原始节点服务器和关联度公式选择目标节点服务器，再将负载大的原始节点服务器和负载小的目标节点服务器进行匹配。
步骤619，将节点转移至目标节点服务器。
节点服务器还可以在转移节点之前，计算目标节点服务器的差距，并根据该差距计算待转移的节点的数量，将每个节点编码成数据流，对数据流进行转移，该数据流包括节点标识、状态、边连信息、接收到的消息中的至少一种。
当节点转移后，目标节点服务器需要将该节点新的物理位置发送给该存储设备，该存储设备对分布式散列表中该节点的物理位置进行更新。
本实施例中，可以通过延迟节点的转移来最小化节点的转移开销。
请参考图11，其示出了转移节点的流程的示意图。
需要说明的是，在节点转移成功后，分布式系统中，每个节点服务器所管理的节点会发生变化，此时，每个节点服务器可以根据其所管理的各个节点生成一条拓扑结构信息，并将该拓扑结构信息发送给社团划分服务器，社团划分服务器对接收到的所有拓扑结构信息进行汇总，得到社交网络的拓扑结构信息，该拓扑结构信息即为步骤604中的拓扑结构信息。
综上所述，基于关联度选择目标节点服务器，可以有效地解决负载均衡的问题，构建负载均衡的分布式框架。
需要说明的是，上述算法的时间复杂度较低，且强连接聚类的方法较好，使得本实施例提供的基于社交网络的社团划分方法的实用性较强。在实现时，可以通过Python（编程语言）进行编码，从而评估社交网络的切割尺寸和切割时间等等。
请参考图12，其示出了本发明一个实施例提供的基于社交网络的社团划分装置的结构框图，该基于社交网络的社团划分装置可以应用于图2所示的部署有社团划分装置的服务器中。该基于社交网络的社团划分装置，包括：
获取模块1201，用于获取根据社交网络中的节点生成的拓扑结构信息；
获取模块1201，还用于获取模体的生成条件，模体是由至少三个连通的节点组成的切割单元；
选择模块1202，用于从社交网络中选择满足生成条件的各组节点，生成每组节点对应的模体；
计算模块1203，用于根据拓扑结构信息计算各个模体的传导率，传导率用于指示模体之间的连通性；
切割模块1204，用于根据计算模块1203得到的各个模体的传导率对社交网络进行切割，得到社团。
可选的，切割模块1204，还用于：
确定各个模体的传导率中最小的传导率；
确定最小的传导率对应的第一集合和第二集合，第一集合包含的节点是社交网络中整体连通性最好的至少一个模体中的，第二集合包含社交网络中不属于第一集合的节点；
在第一集合和第二集合之间进行切割，得到社团。
可选的，计算模块1203，还用于：
根据拓扑结构信息计算社交网络的对角矩阵和拉普拉斯矩阵；
计算拉普拉斯矩阵的特征向量；
将对角矩阵和特征向量输入公式
Figure 464523DEST_PATH_IMAGE015
，得到乘积向量，D是对角矩阵，z是特征向量；
按照数值大小对乘积向量中的各个分量进行排序，根据排序结果生成索引向量，索引向量中的分量是乘积向量中对应位置处的分量的排序序号；
根据索引向量计算各个模体的传导率。
可选的，计算模块1203，还用于：
对于索引向量中的第i个分量，将第i个分量对应的节点添加到第一集合中，将社交网络中剩余节点添加到第二集合中；
根据公式
Figure 251476DEST_PATH_IMAGE016
计算传导率，S是第一集合，
Figure 988488DEST_PATH_IMAGE004
是第二集合，
Figure 308611DEST_PATH_IMAGE017
是第一集合和第二集合之间的模体的数量，
Figure 331931DEST_PATH_IMAGE018
是第一集合中模体的数量，
Figure 635873DEST_PATH_IMAGE019
是第二集合中模体的数量；
将i更新为i+1，继续执行将第i个分量对应的节点添加到第一集合中的步骤。
可选的，当生成条件包括模体的节点数和边数时，获取模块1201，还用于：
确定社交网络最大的连通度k，连通度k是指最多去掉社交网络中的k条边后，社交网络中的节点不连通，k为正整数；
根据连通度k确定模体的节点数和边数，得到生成条件。
可选的，该装置还包括：
确定模块，用于在切割模块根据各个传导率对社交网络进行切割，得到社团之后，确定社交网络中未被划分到任意一个社团中的剩余节点；
划分模块，用于将满足划分条件的剩余节点划分到对应的社团中。
可选的，划分模块，还用于：
对于每个剩余节点，计算剩余节点的第一局部密度；
计算各个社团的中心节点的第二局部密度，中心节点是位于社团中心处的节点；
当存在第二局部密度大于剩余节点的第一局部密度的中心节点时，确定剩余节点满足划分条件；
将剩余节点划分到中心节点所在的社团中。
可选的，划分模块，还用于：
计算剩余节点与社交网络中每个节点之间的第一距离；
获取第二距离；
将第一距离和第二距离输入公式
Figure 471848DEST_PATH_IMAGE020
，得到剩余节点的第一局部密度；
其中，d1是第一距离，d2是第二距离；当d1＜d2时，
Figure 584161DEST_PATH_IMAGE021
为1；当d1＞d2时，
Figure 981644DEST_PATH_IMAGE022
为0。
可选的，划分模块，还用于：
当存在至少两个中心节点时，从至少两个中心节点中选择距离剩余节点最近的中心节点，将剩余节点划分到选出的中心节点所在的社团中。
可选的，该装置还包括：
转移模块，用于在获取模块1201获取根据社交网络中的节点生成的拓扑结构信息之前，根据负载均衡的原则，控制分布式系统中各个节点服务器中的节点进行转移，分布式系统用于通过节点服务器分布式管理社交网络中的节点，节点服务器用于提供根据节点服务器所管理的各个节点生成的拓扑结构信息。
可选的，转移模块，还用于：
确定社交网络中待转移的节点；
根据节点所在的原始节点服务器和关联度公式选择目标节点服务器，目标节点服务器的负载小于原始节点服务器的负载；
将节点转移至目标节点服务器。
可选的，该获取模块1201，还用于获取分布式散列表，分布式散列表包括节点的键值对，键为节点标识，值为节点当前的物理位置；
转移模块，还用于根据节点的节点标识在分布式散列表查找对应的物理位置，根据物理位置确定节点所在的原始节点服务器，根据原始节点服务器和关联度公式选择目标节点服务器。
综上所述，本发明实施例提供的基于社交网络的社团划分装置，由于模体是由至少三个连通的节点组成的，所以，以模体为切割单位可以实现对社交网络的降维，从而快速区分出模体之间的强弱连接，在弱连接的模体之间进行切割，保留强连接的模体作为一个社团，解决了在社交网络中的节点较多时，尝试将每个节点划分到已有的社团中，导致社团划分的效率较低的问题，从而提高了社团划分的效率。
通过将剩余节点作为光晕模型中的光晕部分，再基于光晕模型的局部密度的算法，可以有效地将该类节点进行区分和聚类，既确保了社团划分的准确性，也保证负载均衡。
请参考图13，其示出了本申请一个实施例提供的服务器的结构示意图。服务器1300包括中央处理单元（CPU）1301、包括随机存取存储器（RAM）1302和只读存储器（ROM）1303的系统存储器1304，以及连接系统存储器1304和中央处理单元1301的系统总线1305。服务器1300还包括帮助计算机内的各个器件之间传输信息的输入/输出控制器1306，和用于存储操作系统1313、应用程序1314和其他程序模块1315的大容量存储设备1307。
输入/输出控制器1306包括有用于显示信息的显示器1308和用于用户输入信息的诸如鼠标、键盘之类的输入设备1309。其中显示器1308和输入设备1309都通过连接到系统总线1305的输入/输出控制器1306连接到中央处理单元1301。输入/输出控制器 1306还可以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入/输出控制器1306还提供输出到显示屏、打印机或其他类型的输出设备。
大容量存储设备1307通过连接到系统总线1305的大容量存储控制器（未示出）连接到中央处理单元1301。大容量存储设备1307及其相关联的计算机可读介质为服务器1300提供非易失性存储。也就是说，大容量存储设备1307可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质（未示出）。
不失一般性，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术，CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器1304和大容量存储设备1307可以统称为存储器。
根据本申请的各种实施例，服务器1300还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器1300可以通过连接在系统总线1305上的网络接口单元1311连接到网络1312，或者说，也可以使用网络接口单元1311来连接到其他类型的网络或远程计算机系统（未示出）。
存储器还包括一个或者一个以上的程序，一个或者一个以上程序存储于存储器中，一个或者一个以上程序用于执行上述实施例提供的基于社交网络的社团划分方法。
本发明一个实施例提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上所述的基于社交网络的社团划分方法。
本发明一个实施例提供了一种服务器，所述服务器包括处理器和存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如上所述的基于社交网络的社团划分方法。
需要说明的是：上述实施例提供的基于社交网络的社团划分装置在进行基于社交网络的社团划分时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将基于社交网络的社团划分装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的基于社交网络的社团划分装置与基于社交网络的社团划分方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述并不用以限制本发明实施例，凡在本发明实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。

Claims (14)

1.一种基于社交网络的社团划分方法，其特征在于，所述方法包括：
获取根据社交网络中的节点生成的拓扑结构信息；
获取模体的生成条件，所述模体是由至少三个连通的节点组成的切割单元；
从所述社交网络中选择满足所述生成条件的各组节点，生成每组节点对应的模体；
根据所述拓扑结构信息计算各个所述模体的传导率，所述传导率用于指示所述模体之间的连通性；
根据各个所述模体的传导率对所述社交网络进行切割，得到社团，所述社团是所述社交网络中的节点的分组，且所述分组内的节点之间的连接为强连接关系，所述分组间的节点之间的连接为弱连接关系；
若所述社交网络中存在未被划分到任意一个社团中的剩余节点，将所述剩余节点确定为光晕模型的光晕部分；
基于所述光晕模型的局部密度的算法，将所述剩余节点中的部分节点划分到所述社团中，按照所述光晕模型将所述社团中的节点分为光晕边缘的节点和光晕中心的节点。
2.根据权利要求1所述的方法，其特征在于，所述根据各个所述模体的传导率对所述社交网络进行切割，得到社团，包括：
确定各个所述模体的传导率中最小的传导率；
确定最小的所述传导率对应的第一集合和第二集合，所述第一集合包含的节点是所述社交网络中整体连通性最好的至少一个模体中的，所述第二集合包含所述社交网络中不属于所述第一集合的节点；
在所述第一集合和所述第二集合之间进行切割，得到所述社团。
3.根据权利要求1所述的方法，其特征在于，所述根据所述拓扑结构信息计算各个所述模体的传导率，包括：
根据所述拓扑结构信息计算所述社交网络的对角矩阵和拉普拉斯矩阵；
计算所述拉普拉斯矩阵的特征向量；
将所述对角矩阵和所述特征向量输入公式
Figure 847199DEST_PATH_IMAGE001
，得到乘积向量，所述D是所述对角矩阵，所述z是所述特征向量；
按照数值大小对所述乘积向量中的各个分量进行排序，根据排序结果生成索引向量，所述索引向量中的分量是所述乘积向量中对应位置处的分量的排序序号；
根据所述索引向量计算各个所述模体的传导率。
4.根据权利要求3所述的方法，其特征在于，所述根据所述索引向量计算各个所述模体的传导率，包括：
对于所述索引向量中的第i个分量，将所述第i个分量对应的节点添加到第一集合中，将所述社交网络中剩余节点添加到第二集合中；
根据公式
Figure 27644DEST_PATH_IMAGE002
计算所述传导率，所述S是所述第一集合，所述
Figure 955149DEST_PATH_IMAGE003
是所述第二集合，所述
Figure 687482DEST_PATH_IMAGE004
是所述第一集合和所述第二集合之间的模体的数量，所述
Figure 5331DEST_PATH_IMAGE005
是所述第一集合中模体的数量，所述
Figure 553249DEST_PATH_IMAGE006
是所述第二集合中模体的数量；
将i更新为i+1，继续执行所述将所述第i个分量对应的节点添加到第一集合中的步骤。
5.根据权利要求1所述的方法，其特征在于，当所述生成条件包括所述模体的节点数和边数时，所述获取模体的生成条件，包括：
确定所述社交网络最大的连通度k，所述连通度k是指最多去掉所述社交网络中的k条边后，所述社交网络中的节点不连通，所述k为正整数；
根据所述连通度k确定所述模体的节点数和边数，得到所述生成条件。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对于每个所述剩余节点，计算所述剩余节点的第一局部密度；
计算各个社团的中心节点的第二局部密度，所述中心节点是位于所述社团中心处的节点；
当存在第二局部密度大于所述剩余节点的第一局部密度的中心节点时，确定所述剩余节点满足划分条件；
将所述剩余节点划分到所述中心节点所在的社团中。
7.根据权利要求6所述的方法，其特征在于，所述计算所述剩余节点的第一局部密度，包括：
计算所述剩余节点与所述社交网络中每个节点之间的第一距离；
获取第二距离；
将所述第一距离和所述第二距离输入公式
Figure 131998DEST_PATH_IMAGE007
，得到所述剩余节点的所述第一局部密度；
其中，所述d1是所述第一距离，所述d2是所述第二距离；当d1＜d2时，
Figure 176177DEST_PATH_IMAGE008
为1；当d1＞d2时，
Figure 840377DEST_PATH_IMAGE008
为0。
8.根据权利要求6所述的方法，其特征在于，所述将所述剩余节点划分到所述中心节点所在的社团中，包括：
当存在至少两个所述中心节点时，从所述至少两个中心节点中选择距离所述剩余节点最近的中心节点，将所述剩余节点划分到选出的所述中心节点所在的社团中。
9.根据权利要求1至8任一所述的方法，其特征在于，在所述获取根据社交网络中的节点生成的拓扑结构信息之前，所述方法还包括：
根据负载均衡的原则，控制分布式系统中各个节点服务器中的节点进行转移，所述分布式系统用于通过所述节点服务器分布式管理所述社交网络中的所述节点，所述节点服务器用于提供根据所述节点服务器所管理的各个节点生成的所述拓扑结构信息。
10.根据权利要求9所述的方法，其特征在于，所述根据负载均衡的原则，控制分布式系统中各个节点服务器中的节点进行转移，包括：
确定所述社交网络中待转移的节点；
根据所述节点所在的原始节点服务器和关联度公式选择目标节点服务器，所述目标节点服务器的负载小于所述原始节点服务器的负载；
将所述节点转移至所述目标节点服务器。
11.根据权利要求10所述的方法，其特征在于，
所述方法还包括：获取分布式散列表，所述分布式散列表包括节点的键值对，所述键为节点标识，所述值为所述节点当前的物理位置；
所述根据所述节点所在的原始节点服务器和关联度公式选择目标节点服务器，包括：根据所述节点的节点标识在所述分布式散列表查找对应的物理位置，根据所述物理位置确定所述节点所在的原始节点服务器，根据所述原始节点服务器和所述关联度公式选择所述目标节点服务器。
12.一种基于社交网络的社团划分装置，其特征在于，所述装置包括：
获取模块，用于获取根据社交网络中的节点生成的拓扑结构信息；
所述获取模块，还用于获取模体的生成条件，所述模体是由至少三个连通的节点组成的切割单元；
选择模块，用于从所述社交网络中选择满足所述生成条件的各组节点，生成每组节点对应的模体；
计算模块，用于根据所述拓扑结构信息计算各个所述模体的传导率，所述传导率用于指示所述模体之间的连通性；
切割模块，用于根据所述计算模块得到的各个所述模体的传导率对所述社交网络进行切割，得到社团，所述社团是所述社交网络中的节点的分组，且所述分组内的节点之间的连接为强连接关系，所述分组间的节点之间的连接为弱连接关系；
确定模块，若所述社交网络中存在未被划分到任意一个社团中的剩余节点，将所述剩余节点确定为光晕模型的光晕部分；
划分模块，基于所述光晕模型的局部密度的算法，将所述剩余节点中的部分节点划分到所述社团中，按照所述光晕模型将所述社团中的节点分为光晕边缘的节点和光晕中心的节点。
13.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至11任一所述的基于社交网络的社团划分方法。
14.一种服务器，其特征在于，所述服务器包括处理器和存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如权利要求1至11任一所述的基于社交网络的社团划分方法。
CN201810408325.1A 2018-05-02 2018-05-02 基于社交网络的社团划分方法、装置、存储介质及设备 Active CN110224847B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810408325.1A CN110224847B (zh) 2018-05-02 2018-05-02 基于社交网络的社团划分方法、装置、存储介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810408325.1A CN110224847B (zh) 2018-05-02 2018-05-02 基于社交网络的社团划分方法、装置、存储介质及设备

Publications (2)

Publication Number Publication Date
CN110224847A CN110224847A (zh) 2019-09-10
CN110224847B true CN110224847B (zh) 2021-12-14

Family

ID=67822145

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810408325.1A Active CN110224847B (zh) 2018-05-02 2018-05-02 基于社交网络的社团划分方法、装置、存储介质及设备

Country Status (1)

Country Link
CN (1) CN110224847B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111324753B (zh) * 2020-01-22 2021-09-03 天窗智库文化传播(苏州)有限公司 一种媒体资讯发布管理方法及系统
CN115563400B (zh) * 2022-09-19 2023-06-13 广东技术师范大学 一种基于模体加权聚合的多路网络社区检测方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012150107A1 (en) * 2011-05-03 2012-11-08 University College Dublin, National University Of Ireland, Dublin Network analysis tool
CN105512242A (zh) * 2015-11-30 2016-04-20 浙江工业大学 一种基于社会网络结构的并行推荐方法
CN106973021A (zh) * 2017-02-27 2017-07-21 华为技术有限公司 网络系统中负载均衡的方法和节点
CN107577742A (zh) * 2017-08-28 2018-01-12 上海电机学院 一种基于贝叶斯方法的多关系社交网络模式挖掘方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107038248A (zh) * 2017-04-27 2017-08-11 杭州杨帆科技有限公司 一种基于弹性分布数据集的海量空间数据密度聚类方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012150107A1 (en) * 2011-05-03 2012-11-08 University College Dublin, National University Of Ireland, Dublin Network analysis tool
CN105512242A (zh) * 2015-11-30 2016-04-20 浙江工业大学 一种基于社会网络结构的并行推荐方法
CN106973021A (zh) * 2017-02-27 2017-07-21 华为技术有限公司 网络系统中负载均衡的方法和节点
CN107577742A (zh) * 2017-08-28 2018-01-12 上海电机学院 一种基于贝叶斯方法的多关系社交网络模式挖掘方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Austin R. Benson等.Higher-order organization of complex network.《Science》.2016,第353卷(第6295期),第163页-第166页. *
Higher-order organization of complex network;Austin R. Benson等;《Science》;20160708;第353卷(第6295期);第163页-第166页 *

Also Published As

Publication number Publication date
CN110224847A (zh) 2019-09-10

Similar Documents

Publication Publication Date Title
Hegeman et al. Toward optimal bounds in the congested clique: Graph connectivity and MST
US20200167366A1 (en) Data processing method and device
CN110019876B (zh) 数据查询方法、电子设备及存储介质
WO2014080304A2 (en) Multi-objective server placement determination
CN112005523A (zh) 用于能够在区块链网络中执行智能合约的方法及节点
Balaprakash et al. Estimation-based ant colony optimization and local search for the probabilistic traveling salesman problem
CN110224847B (zh) 基于社交网络的社团划分方法、装置、存储介质及设备
US20230106985A1 (en) Developing machine-learning models
CN112541019B (zh) 区块链资源的搜索方法和装置
Candan et al. A dynamic island model for adaptive operator selection
CN114040272A (zh) 一种路径确定方法、装置和存储介质
CN112084500A (zh) 病毒样本的聚类方法、装置、电子设备和存储介质
CN111159577A (zh) 一种社群划分方法、装置、存储介质及电子装置
CN112702390B (zh) 基于区块链的智能合约资源的组网方法和装置
CN110610434A (zh) 基于人工智能的社区发现方法
CN110781247B (zh) 向量聚类方法、装置及存储介质
CN106487535B (zh) 一种网络流量数据的分类方法及装置
CN108521376B (zh) 软件定义网络中基于属性相似性的流表设计方法
CN114492849B (zh) 一种基于联邦学习的模型更新方法及装置
CN106778872B (zh) 基于密度的连通图的聚类方法与装置
CN108011735B (zh) 社区发现方法及装置
CN114339689A (zh) 一种物联网机卡绑定池管控方法、装置及相关介质
Sowjanya et al. A cluster feature-based incremental clustering approach to mixed data
CN111130846B (zh) 一种目标对象确定方法、装置及存储介质
CN109710610A (zh) 数据处理方法、装置及计算设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant