CN102722566A - 社交网络中潜在好友查询方法 - Google Patents
社交网络中潜在好友查询方法 Download PDFInfo
- Publication number
- CN102722566A CN102722566A CN201210179600XA CN201210179600A CN102722566A CN 102722566 A CN102722566 A CN 102722566A CN 201210179600X A CN201210179600X A CN 201210179600XA CN 201210179600 A CN201210179600 A CN 201210179600A CN 102722566 A CN102722566 A CN 102722566A
- Authority
- CN
- China
- Prior art keywords
- user
- node
- matrix
- path
- character string
- 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.)
- Granted
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
技术领域
本发明涉及一种数据库技术,特别涉及一种社交网络中潜在好友查询方法。
背景技术
随着在线社交网络(Online Social Networks,简称ONSs),如国际上的Facebook、MySpace、YouTube以及国内的开心网、人人网等,的日益普及应用,越来越多的用户加入了至少一个社交网络,而且越来越多的电子商务也日益依赖社交网络进行用户之间的交流联系(淘宝阿里旺旺)。不过,虽然越来越多的用户开始通过社交网络与世界各地的用户进行交流,但是大多数仅仅局限于好友之间的互动交流,如何通过社交网络寻找潜在好友,如商业团体寻找潜在合作伙伴或潜在客户,进而扩大业务或交际范围则是当前商业团体、用户对社交网络发展的迫切需求。
之前对社交网络中用户好友的查询方法基本上是通过抓取指定用户所有链接用户信息,并按照和指定用户的路径距离存放在数据库中,然后根据指定用户的爱好对用户的信息进行分类实现好友查询,也就是只能根据指定特征实现好友查询,并没有关注即使一个用户不具有和指定用户共同的兴趣设置,但是从路径连接分析上可能成为其潜在好友,如在保护用户隐私的匿名网络上查找潜在好友;另一方面,已提出的对路径距离的计算主要采用单源Dijkstra算法计算社交网络中一个用户到指定用户的路径距离,主要特点就是以一个用户为中心,向其它结点扩展,直到遇到终止结点为止。虽然可以得到最优解,但是由于需要遍历计算的结点太多,导致效率不高,而且在查询多用户时需要改变源结点,从而导致某些结点的重复遍历。综上所述,为了使得社交网络更好地服务于用户,有必要设计一种社交网络中潜在好友快速有效的查询方法,并利用查询结果有效地为用户推荐其可能的潜在好友。
发明内容
本发明是针对社交网络的问题,提出了一种社交网络中潜在好友查询方法,将前 条最优路径查询和基于扩展LCS的字符串比较有效融合的方法实现对社交网络中用户潜在好友进行快速查询,使得社交网络更加有效地服务于不同网络用户,如推荐商业潜在客户或用户潜在好友。
本发明的技术方案为:一种社交网络中潜在好友查询方法,包括如下具体步骤:
1)建立社交网络图:将各个用户的信息建模成图的结点,其中是图中结点的集合,是图中无向边的集合,表示两个用户之间的直接连接,用户邻接关系矩阵中对应用户之间的连接关系,有连接关系相应的单元设置为,否则设置为;
2)在社交网络图的基础上,进行前K条最优路径查询算法:
第一步:根据用户社交网络图找到一条指定结点间的最短路径,首先利用路径关系矩阵辅助存储两个结点之间最短路径的途经结点,初始设置为空,以用户邻接关系矩阵为基础,将任意一个用户结点C插入到另外两个用户结点A和B之间,检查是否为最短路径,即是否满足,如果这样的结点存在,则将结点存储在路径关系矩阵,中,直到所有结点全部被遍历则循环结束;
第二步:根据启发式的剪枝策略得到指定结点间前K条最优最短路径,存储在路径用户矩阵PUA中,具体方法步骤:
3)基于ELCS的潜在好友发现:首先通过前条最短路径查询前条最短路径,将每条最短路径构造成一个字符串数组作为求解公共子序列的一条母串,然后其中选其中两组前条最短路径中取出两条母串,执行算法,进行字串比较,并将比较结果记录在公共子项序列矩阵中,最后通过查询出两组最短路径中存在的潜在好友。
所述步骤3)中的算法包括两部分:
第一部分:将字符比较扩展到字符串比较,将其中一组用户字符串数组作为基准项,获取其长度length,构造一个大小的数组空间,将另外一组用户字符串数组作为比较项,,且,对基准项的每一项字符串进行比较,并逐次刷新数组内容,如果发现相同的字符串则引入标记变量以斜向增加方式进行数组内容更新,反之则顺向地映射为临近的最大值,直到对基准项中的所有字符串元素遍历完毕;
第二部分:字符串匹配的标记方法改进,在字符串比较过程中,引入两个标记变量来标记矩阵中值最大元素的位置,在矩阵生成的过程中来判断当前生成元素的值是不是最大的,据此来改变标记变量的值,最后在矩阵生成的同时,最长公共子序列的位置和长度也可以同步计算出来。
所述两条最短路径中字符串比较的具体步骤如下:
F:如果则算法模块结束,否则跳转到步骤G;
本发明的有益效果在于:本发明社交网络中潜在好友查询方法,不仅可以支持社交网络拓扑结构中存在好友的有效查询,更能够支持为指定用户找出其潜在好友或为无直接连接用户推荐潜在好友,很好地弥补了之前查询方法中,只能查询存在好友方法的缺点。
附图说明
图1为本发明用户社交网络图;
图2为本发明第一次调用多结点路径算法得到路径图;
图4为本发明前条最优路径查询算法流程图;
图5为本发明基于ELCS的潜在好友发现算法流程图;
图6为本发明公共子项矩阵图;
图7为本发明路径关系矩阵图;
图9为本发明顺序表中潜在好友图。
具体实施方式
一、基本概念和定义:
1、社交网络:
本发明中,社交网络被定义为一个图,其中是图中结点的集合,包含一个样本社交网络中用户的集合,,其中结点表示一个用户,是图中无向边的集合,是无序积的多重子集,,和表示同一条边,表示两个用户之间的直接连接。
2、最短路径:
图中从到的路径是一系列边,,,…,可以表示成结点序列,其中当某一路径长度或权值之和为最小时则称为到的最短路径。两个结点之间的路径长度是两个结点之间边的个数之和,权值之和指的是每条边被赋予一定的权值之和(如两个结点用户之间的亲密程度值,即按和指定结点用户的关系划分亲密程度等级值,如家庭成员的亲密程度值为5,知心朋友为4,陌生人为0等)。
3、用户属性集合:
图中的结点集合对应一个用户集合,每个用户可以用属性集合表示,每个结点都拥有一个关键字,用于标识相应于结点的用户,为了避免构建的社交网络图占用大量空间,可以在结点中只保留关键字,并将剩下的结点属性以为主关键字存放在相应的数据库表中进行维护和管理,在需要的时候再按照标准的SQL接口进行查询,以减少内存消耗。
用于存储用户与用户之间的连接关系,为了减少存储空间,利用布尔类型的true/false(1/0)表示两个用户之间是否存在连接,如图1 中的Jim与Samantha无直接连接关系则为false(0),否则为true(1)。
用于存储两个用户结点之间的相关路径结点,是整个算法中的关键存储矩阵。为了使得查询结果更加符合用户实际需求,我们需要得到前条最优路径,因此我们将设置为三维数组,第一维表示第条路径,后面两个维度分别表示起始用户结点和终止用户结点。我们的算法通过递归调用手段,进行途中结点的遍历与查询,如针对图1中所示的用户社交网络,我们可以通过前条最优路径查询算法得到图7所示的路径关系矩阵。为了避免存储空间耗费,在实际运算过程中我们在该路径关系矩阵中只存储实际用户的关键字,而不存储其姓名及其他相关属性信息,如用户的信息,用户的信息,……,用户的信息等,仅将其关键字存储在矩阵中,这样我们通过查找Jim到Samantha的路径,得到的路径结点序列为0到13的关键字序列。
6、路径用户矩阵:
用于临时存储两个用户结点之间的前条最优路径中结点的信息。通过递归调用逐步得到两个用户结点最优路径中其他用户结点信息,并依次记录获得一组以用户姓名为主的路径信息。将设置为二维数组,第一维表示第条最优路径,第二维则表示当前前条最优路径下的结点组。如求到之间的路径数据,如图8所示路径用户矩阵图,得到的路径用户矩阵的第行为。
三、算法描述
1、基于用户关系构建社交网络图:
根据用户信息构建社交网络用户连接图。在此方法中将各个用户的信息建模成图的结点,用户的姓名、兴趣、联系方式等各种信息内容也可以存放在结点数据结构中。表示用户之间是否有连接关系,为了简单起见,我们使用布尔类型数据存储用户之间的连接关系,以减少存储空间的使用,如果用户和用户之间有连接关系,则用户邻接关系矩阵中相应的单元设置为,否则设置为,具体如图1将用户关系构建成一个社交网络。
这个算法由两个阶段完成,第一阶段根据用户社交网络图找到一条指定结点间的最短路径,第二阶段根据剪枝策略得到指定结点间前K条最优最短路径,以有效支持潜在好友查询。
在第一阶段中,需要以下两个步骤,首先我们利用路径关系矩阵辅助存储两个结点之间最短路径的途经结点,在这个过程中,初始设置为空,以用户邻接关系矩阵为基础,将每一个结点(例如C)插入到另外两个结点(A和B)之间,检查是否为最短路径,即是否满足,如果这样的结点存在,则将结点存储在,中,直到所有结点全部被遍历则循环结束。然后,在用户执行实际查询时,我们根据用户端的输入,得到用户需要查找的两个结点(起始结点和终止结点),通过递归调用逐步抛出两个结点最短路径间存在的结点,这期间我们利用路径用户矩阵来辅助存储用户社交网络中指定两个结点之间的最短路径。图2中加粗线段为查找到的一条从到之间的最短路径。
在第二阶段,由于单一最短路径不能有效地、全面地支持结点间的潜在好友发现,如非直接连接结点间的潜在好友查询,因此需要根据启发式的剪枝策略得到指定结点间前K条最优最短路径,如对得到的和之间的一组最短路径,存储在中,执行我们的剪枝策略,具体实施方法如下(参见图3中的剪枝变换过程):
在第二阶段的剪枝策略中,如果针对最短路径中所有边执行剪枝策略,即删除、查询和恢复是不切合实际的,所以我们引入数据约束方法,根据实际情况对删除边的最大数目进行限定,如最优限定,以便得到存放在路径用户矩阵中前K条最优最短路径,如图4前条最优路径查询算法流程图。
我们提出的前条最优路径查询方法可以针对社交网络图中的任意结点进行查询,与其他单源算法(如Dijkstra等)相比,灵活性得到很大的提高。针对任意多组结点用户数据而言,提出的方法由于不必改变源结点,只需要调整起始和终止结点即可,因此更加具有优势。而且我们的方法通过剪枝策略,实现了前条最优路径查询,优化了查询结果,使得查询结果更加符合用户的查询需求。通过对路径关系矩阵和公共子序列矩阵放缩调整,减少运行过程中的硬件资源占用。我们通过多次测试结果发现,该方法比单源路径执行在效率上有很大程度的提高。
3、基于ELCS的潜在好友发现算法:
传统的最长公共子序列LCS算法,采取的是动态规划方式,通过两组字符串之间逐个字符比较,以递归的方式逐渐填充矩阵。在输出时,用动态规划算法从底层向上计算最优值,递归调用得到公共子序列。然而这个算法需要占用大量存储空间。因此我们通过两个方面扩展传统的算法实现潜在好友发现,一是将字符比较扩展到字符串比较(算法),二是对字符串匹配的标记方法进行改进。
将字符比较扩展到字符串比较(算法),主要就是将其中一组用户字符串数组作为基准项,获取其长度length,构造一个大小的数组空间,将另外一组用户字符串数组作为比较项,,且,对基准项的每一项字符串进行比较,并逐次刷新数组内容,如果发现相同的字符串则引入标记变量以斜向增加方式进行数组内容更新,反之则顺向地映射为临近的最大值,直到对基准项中的所有字符串元素遍历完毕。
字符串匹配的标记方法改进,主要是在字符串比较过程中,并不是简单的给矩阵中相应元素赋值1,而是赋值其左上角元素值加1。我们引入两个标记变量来标记矩阵中值最大元素的位置,在矩阵生成的过程中来判断当前生成元素的值是不是最大的,据此来改变标记变量的值,最后在矩阵生成的同时,最长公共子序列的位置和长度也可以同步计算出来。采取这种改进方式可以有效的减少存储空间耗费,并有效计算字符串数组之间的最长公共字符串序列。
我们的基于的潜在好友发现算法基于前条最短路径查询结果。首先通过前条最短路径查询得到一组前条最短路径,并为前条最短路径中的每一条最短路径构造成一个字符串数组作为求解公共子序列的一条母串,然后从前条最短路径中任选两组作为两条母串,执行算法,进行字符串比较,并将比较结果记录在公共子项序列矩阵中,最后通过查询出两组最短路径中存在的潜在好友。在此过程中引入顺序表作为辅助存储结构,收集通过剪枝抛出的潜在好友,在插入顺序表的过程中判断是否重复,如果没有重复则执行插入操作,在算法的最后将顺序表的内容抛出,即为查询所得的所有潜在好友。
两条最短路径中字符串比较的具体步骤如下(详见图5):
Claims (3)
1.一种社交网络中潜在好友查询方法,其特征在于,包括如下具体步骤:
1)建立社交网络图:将各个用户的信息建模成图 的结点,其中是图中结点的集合,是图中无向边的集合,表示两个用户之间的直接连接,用户邻接关系矩阵中对应用户之间的连接关系,有连接关系相应的单元设置为,否则设置为;
2)在社交网络图的基础上,进行前K条最优路径查询算法:
第一步:根据用户社交网络图找到一条指定结点间的最短路径,首先利用路径关系矩阵辅助存储两个结点之间最短路径的途经结点,初始设置为空,以用户邻接关系矩阵为基础,将任意一个用户结点C插入到另外两个用户结点A和B之间,检查是否为最短路径,即是否满足,如果这样的结点存在,则将结点存储在路径关系矩阵,中,直到所有结点全部被遍历则循环结束;
第二步:根据启发式的剪枝策略得到指定结点间前K条最优最短路径,存储在路径用户矩阵PUA中,具体方法步骤:
第一部分:将字符比较扩展到字符串比较,将其中一组用户字符串数组作为基准项,获取其长度length,构造一个大小的数组空间,将另外一组用户字符串数组作为比较项,,且,对基准项的每一项字符串进行比较,并逐次刷新数组内容,如果发现相同的字符串则引入标记变量以斜向增加方式进行数组内容更新,反之则顺向地映射为临近的最大值,直到对基准项中的所有字符串元素遍历完毕;
第二部分:字符串匹配的标记方法改进,在字符串比较过程中,引入两个标记变量来标记矩阵中值最大元素的位置,在矩阵生成的过程中来判断当前生成元素的值是不是最大的,据此来改变标记变量的值,最后在矩阵生成的同时,最长公共子序列的位置和长度也可以同步计算出来。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210179600.XA CN102722566B (zh) | 2012-06-04 | 2012-06-04 | 社交网络中潜在好友查询方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210179600.XA CN102722566B (zh) | 2012-06-04 | 2012-06-04 | 社交网络中潜在好友查询方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102722566A true CN102722566A (zh) | 2012-10-10 |
CN102722566B CN102722566B (zh) | 2015-04-15 |
Family
ID=46948327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210179600.XA Expired - Fee Related CN102722566B (zh) | 2012-06-04 | 2012-06-04 | 社交网络中潜在好友查询方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102722566B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049523A (zh) * | 2012-12-20 | 2013-04-17 | 浙江大学 | 一种使用低秩半定规划求解社交推荐问题的方法 |
CN103150678A (zh) * | 2013-03-12 | 2013-06-12 | 中国科学院计算技术研究所 | 微博中用户间潜在关注关系的发现方法及装置 |
CN104182422A (zh) * | 2013-05-28 | 2014-12-03 | 中国电信股份有限公司 | 统一通讯录信息处理方法和系统 |
CN105893385A (zh) * | 2015-01-04 | 2016-08-24 | 伊姆西公司 | 用于分析用户行为的方法和设备 |
WO2016202209A1 (zh) * | 2015-06-17 | 2016-12-22 | 深圳大学 | 基于图简化技术的社交网络中用户影响力估算方法及装置 |
CN107402927A (zh) * | 2016-05-19 | 2017-11-28 | 上海斯睿德信息技术有限公司 | 一种基于图模型的企业关联关系拓扑建立方法及查询方法 |
CN108090197A (zh) * | 2017-12-22 | 2018-05-29 | 河南科技大学 | 一种多维社交网络的社区发现方法 |
CN108173746A (zh) * | 2017-12-26 | 2018-06-15 | 东软集团股份有限公司 | 好友推荐方法、装置和计算机设备 |
CN108595603A (zh) * | 2018-04-20 | 2018-09-28 | 北京费马科技有限公司 | 图数据库中查询无权图中两点间最短路径的方法及应用 |
CN110569980A (zh) * | 2018-06-04 | 2019-12-13 | 北京天行健云科技有限公司 | 一种基于信息认知的处理方法和系统 |
CN110795568A (zh) * | 2019-09-30 | 2020-02-14 | 北京淇瑀信息科技有限公司 | 基于用户信息知识图谱的风险评估方法、装置和电子设备 |
CN112231350A (zh) * | 2020-10-13 | 2021-01-15 | 汉唐信通(北京)科技有限公司 | 一种基于知识图谱的企业商机挖掘方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050243736A1 (en) * | 2004-04-19 | 2005-11-03 | International Business Machines Corporation | System, method, and service for finding an optimal collection of paths among a plurality of paths between two nodes in a complex network |
WO2006098588A1 (en) * | 2005-03-15 | 2006-09-21 | Nhn Corporation | Online human network management system and method for stimulating users to build various faces of relation |
CN101540739A (zh) * | 2009-04-14 | 2009-09-23 | 腾讯科技(深圳)有限公司 | 用户推荐方法及用户推荐系统 |
CN102088419A (zh) * | 2009-12-07 | 2011-06-08 | 倪加元 | 一种在社交网络中查找好友信息的方法和系统 |
-
2012
- 2012-06-04 CN CN201210179600.XA patent/CN102722566B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050243736A1 (en) * | 2004-04-19 | 2005-11-03 | International Business Machines Corporation | System, method, and service for finding an optimal collection of paths among a plurality of paths between two nodes in a complex network |
WO2006098588A1 (en) * | 2005-03-15 | 2006-09-21 | Nhn Corporation | Online human network management system and method for stimulating users to build various faces of relation |
CN101540739A (zh) * | 2009-04-14 | 2009-09-23 | 腾讯科技(深圳)有限公司 | 用户推荐方法及用户推荐系统 |
CN102088419A (zh) * | 2009-12-07 | 2011-06-08 | 倪加元 | 一种在社交网络中查找好友信息的方法和系统 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049523B (zh) * | 2012-12-20 | 2015-10-28 | 浙江大学 | 一种使用低秩半定规划求解社交推荐问题的方法 |
CN103049523A (zh) * | 2012-12-20 | 2013-04-17 | 浙江大学 | 一种使用低秩半定规划求解社交推荐问题的方法 |
CN103150678A (zh) * | 2013-03-12 | 2013-06-12 | 中国科学院计算技术研究所 | 微博中用户间潜在关注关系的发现方法及装置 |
CN103150678B (zh) * | 2013-03-12 | 2014-12-10 | 中国科学院计算技术研究所 | 微博中用户间潜在关注关系的发现方法及装置 |
CN104182422B (zh) * | 2013-05-28 | 2018-01-23 | 中国电信股份有限公司 | 统一通讯录信息处理方法和系统 |
CN104182422A (zh) * | 2013-05-28 | 2014-12-03 | 中国电信股份有限公司 | 统一通讯录信息处理方法和系统 |
CN105893385A (zh) * | 2015-01-04 | 2016-08-24 | 伊姆西公司 | 用于分析用户行为的方法和设备 |
WO2016202209A1 (zh) * | 2015-06-17 | 2016-12-22 | 深圳大学 | 基于图简化技术的社交网络中用户影响力估算方法及装置 |
CN107402927A (zh) * | 2016-05-19 | 2017-11-28 | 上海斯睿德信息技术有限公司 | 一种基于图模型的企业关联关系拓扑建立方法及查询方法 |
CN108090197B (zh) * | 2017-12-22 | 2021-06-04 | 河南科技大学 | 一种多维社交网络的社区发现方法 |
CN108090197A (zh) * | 2017-12-22 | 2018-05-29 | 河南科技大学 | 一种多维社交网络的社区发现方法 |
CN108173746A (zh) * | 2017-12-26 | 2018-06-15 | 东软集团股份有限公司 | 好友推荐方法、装置和计算机设备 |
CN108595603A (zh) * | 2018-04-20 | 2018-09-28 | 北京费马科技有限公司 | 图数据库中查询无权图中两点间最短路径的方法及应用 |
CN108595603B (zh) * | 2018-04-20 | 2021-07-02 | 深圳神图科技有限公司 | 图数据库中查询无权图中两点间最短路径的方法及应用 |
CN110569980A (zh) * | 2018-06-04 | 2019-12-13 | 北京天行健云科技有限公司 | 一种基于信息认知的处理方法和系统 |
CN110795568A (zh) * | 2019-09-30 | 2020-02-14 | 北京淇瑀信息科技有限公司 | 基于用户信息知识图谱的风险评估方法、装置和电子设备 |
CN112231350A (zh) * | 2020-10-13 | 2021-01-15 | 汉唐信通(北京)科技有限公司 | 一种基于知识图谱的企业商机挖掘方法和装置 |
CN112231350B (zh) * | 2020-10-13 | 2022-04-12 | 汉唐信通(北京)科技有限公司 | 一种基于知识图谱的企业商机挖掘方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN102722566B (zh) | 2015-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102722566A (zh) | 社交网络中潜在好友查询方法 | |
CN106227800B (zh) | 一种高度关联大数据的存储方法及管理系统 | |
CN102521416B (zh) | 数据关联查询方法和数据关联查询装置 | |
CN105320719B (zh) | 一种基于项目标签和图形关系的众筹网站项目推荐方法 | |
CN103314371B (zh) | 一种检索的方法和系统 | |
CN106021457B (zh) | 基于关键词的rdf分布式语义搜索方法 | |
CN103646032B (zh) | 一种基于本体和受限自然语言处理的数据库查询方法 | |
CN103631909B (zh) | 对大规模结构化和非结构化数据联合处理的系统及方法 | |
CN105808696B (zh) | 一种基于全局和局部特征的跨在线社交网络用户匹配方法 | |
CN105224554A (zh) | 推荐搜索词进行搜索的方法、系统、服务器和智能终端 | |
CN102298650B (zh) | 一种海量数字信息的分布式推荐方法 | |
CN103177094B (zh) | 一种物联网数据清洗方法 | |
CN102779308A (zh) | 一种广告投放方法及系统 | |
CN102571752B (zh) | 基于服务关联索引图的QoS感知Top-k服务组合系统 | |
CN103561133A (zh) | 一种ip地址归属信息索引方法及快速查询方法 | |
CN102163234A (zh) | 一种基于纠错相关度对查询序列进行纠错的设备和方法 | |
CN101222391B (zh) | 一种在服务器/客户端结构中构造拓扑树的方法 | |
CN104391908B (zh) | 一种图上基于局部敏感哈希的多关键字索引方法 | |
CN103678550A (zh) | 一种基于动态索引结构的海量数据实时查询方法 | |
CN104615734B (zh) | 一种社区管理服务大数据处理系统及其处理方法 | |
CN103002061A (zh) | 一种长域名与短域名互相转化的方法及装置 | |
CN103856462A (zh) | 一种会话的管理方法及系统 | |
CN104933143A (zh) | 获取推荐对象的方法及装置 | |
CN106095961A (zh) | 表显示处理方法和装置 | |
CN103345536B (zh) | 一种语义关联索引方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150415 Termination date: 20210604 |