CN105117421A - 基于图结构匹配的社交网络分析方法 - Google Patents
基于图结构匹配的社交网络分析方法 Download PDFInfo
- Publication number
- CN105117421A CN105117421A CN201510461143.7A CN201510461143A CN105117421A CN 105117421 A CN105117421 A CN 105117421A CN 201510461143 A CN201510461143 A CN 201510461143A CN 105117421 A CN105117421 A CN 105117421A
- Authority
- CN
- China
- Prior art keywords
- data
- social network
- node
- network analysis
- analysis method
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000003012 network analysis Methods 0.000 title claims abstract description 20
- 238000013523 data management Methods 0.000 claims abstract description 7
- 238000010586 diagram Methods 0.000 claims description 30
- 230000008878 coupling Effects 0.000 claims description 18
- 238000010168 coupling process Methods 0.000 claims description 18
- 238000005859 coupling reaction Methods 0.000 claims description 18
- 238000007792 addition Methods 0.000 claims description 9
- 238000012217 deletion Methods 0.000 claims description 9
- 230000037430 deletion Effects 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000012423 maintenance Methods 0.000 description 18
- 230000000007 visual effect Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 101000741917 Homo sapiens Serine/threonine-protein phosphatase 1 regulatory subunit 10 Proteins 0.000 description 1
- 102100038743 Serine/threonine-protein phosphatase 1 regulatory subunit 10 Human genes 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2428—Query predicate definition using graphical user interfaces, including menus and forms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及社交网络分析方法。本发明提供一种基于图结构匹配的社交网络分析方法，首先，用户构建模式图Q，选择待分析的图数据，并发出模式图Q的匹配查询请求；其次，系统采用十字链表作为待分析的图数据的基础数据结构，并对十字链表结构的图数据G进行数据管理操作；然后，系统将模式图Q的匹配查询请求发送至十字链表结构的图数据G的各个数据站点，数据站点计为(S1,S2…Sm)；再然后，系统对各数据站点并行执行本地计算，计算出匹配结果；最后，系统对匹配结果进行排序显示。适用于基于图结构匹配的社交网络分析。
Description
技术领域
本发明涉及社交网络分析方法，特别涉及基于图结构匹配的社交网络分析方法。
背景技术
近年来，互联网的持续快速发展，社交网络等新兴信息模式的迅猛发展，对个人和社会群体的行为产生了深远影响。以Facebook为例，我们发现其：(1)用户规模大，全球注册用户超8.5亿，用户间联系逾千亿；(2)使用频繁，超过一半的用户每天登陆Facebook，所有用户每月在线时间达7000亿分钟；(3)商业价值高，是排名第一的广告发布接受网站，每天有超过10亿条包括视频、照片、新闻等信息在用户间分享。
庞大的社交网络为人们提供了丰富的信息，然而如何快速有效地发现社交网络海量信息背后所蕴含的知识，是亟待人们解决的问题。
由于社交网络可以抽象为图结构——用户可被视为图的顶点，用户之间的关系可被看作图的边，因此，基于图结构匹配的分析技术已成为社交网络分析的主要技术之一，并且已经和正在帮助人们进行专家推荐、社交圈子识别，社会位置分析等。简言之，图结构匹配是在一个大图G中查询与给定模式图Q匹配的子图(可形式化描述为Q(G))。然而，由于社交网络图数据“海量”及“非结构化”的特点，通过传统技术对社交网络“大数据”进行分析已难以满足人们的迫切需要。具体原因表现在：(1)图结构匹配兼顾数据和拓扑结构，从而导致对该问题的运算往往较为复杂，例如：基于子图同构的图结构匹配属于一类极难解决的问题——NP完全问题；(2)社交网络的数据往往是分布式存储的。例如：Twitter社交图的FlockDB，Yahoo！互联网应用的PNUTS，开源社区的Neo4j和HypergraphDB等。另一方面，图结构匹配经常需要访问多个数据节点，例如：访问多个数据站点以取得匹配计算所需要的全部信息。因此，在分布式环境下，图结构匹配的求值更加困难；(3)现实世界的社交网络是不断变化的。在一周内有10％的节点及节点关系更新是常见的情况。当更新出现的时候，昂贵的查询需要被重新计算。这样的计算在面对频繁的请求时往往是无法进行的。(4)可视化管理工具的缺失。与关键词搜索和结构化查询不同，图结构匹配查询条件(如模式图Q)的描述更加复杂，且对结果的理解也需要更加直观的方式。
发明内容
本发明所要解决的技术问题，就是提供一种基于图结构匹配的社交网络分析方法以实现高效、便捷的数据分析与维护，进而为专家推荐、社交圈子识别，社会位置分析等热点应用提供关键技术支撑。
本发明解决所述技术问题，采用的技术方案是，基于图结构匹配的社交网络分析方法，包括以下步骤：
步骤1、用户通过系统构建模式图Q，选择待分析的图数据，并发出模式图Q的匹配查询请求；
步骤2、系统采用十字链表作为待分析的图数据的基础数据结构，并对十字链表结构的图数据G进行数据管理操作；
步骤3、系统将模式图Q的匹配查询请求发送至十字链表结构的图数据G的各个数据站点，数据站点计为(S1,S2...Sm)；我们将数据量很大的图数据G分割成很多个子图，并存放在不同的网络站点中，数据站点是指各个子图所在的网络站点。
步骤4、系统对各数据站点并行执行本地计算，计算出匹配结果；
步骤5、系统对匹配结果进行排序显示。
具体的，所述步骤3中，系统接收模式图Q的匹配查询请求后，首先检测当前站点Si的边界节点vo，如果其与模式图Q中的某个节点uo具有相同的节点标签，则Si向其他站点Sj请求边界节点vo的邻居节点，Si接收到Sj返回的数据后，进入步骤4。
具体的，所述步骤4中，系统并行调用经全双工方式优化后的VF2算法对十字链表结构的图数据G的各数据站点并行执行本地计算。传统的VF2将整个图作为输入，而经全双工方式优化后的VF2算法只将可能与Q匹配的子结构作为输入，进行结构匹配计算。
具体的，所述步骤5中，系统根据匹配结果的出入度对匹配结果进行排序显示，出度及入度的和越大，系统排序越靠前。
具体的，所述方法还包括系统通过运用增量算法，对匹配结果进行增量计算，具体包括以下步骤：
步骤61、系统将模式图Q转换为无向图Q'，并计算出Q'的直径d；
步骤62、系统将十字链表结构的图数据G中每一条边的更新计为Δe＝(v,v')，分别计算v和v'在d步内可达的节点；
步骤63、系统并十字链表结构的图数据G中导出包含上述节点的子图，计为G(Δe,Q)；
步骤64、系统对子图G(Δe,Q)进行模式图Q的同构计算，得出新的匹配结果，返回步骤4。
具体的，所述步骤1中，用户通过输入节点和边，构建模式图Q。
具体的，所述步骤1中，对十字链表结构的图数据G进行数据管理操作包括节点查询、节点的增删改和/或边的增删改。
本发明的有益效果是：系统通过全双工方式，对经典的VF2算法进行拓展，实现分布式图结构匹配计算；基础数据采用十字链表结构，便于双向(延父节点，或子节点)遍历，在十字链表的基础上，实现了非常高效的节点、边的增删改操作，使得图数据的维护非常便利；从输入输出变化的角度，设计增量维护算法，使得对查询结果的动态维护更加高效，实现了增量维护计算，以克服社交网络更新频繁，而批量计算又开销巨大的严重瓶颈；通过“所见即所得”的可视化方式帮助用户构建查询，管理图数据，并可视化查询结果。
具体实施方式
下面结合实施例详细描述本发明的技术方案：
本发明针对现有技术中由于社交网络图数据“海量”及“非结构化”的特点，通过传统技术对社交网络“大数据”进行分析已难以满足人们的迫切需要的问题，提供一种基于图结构匹配的社交网络分析方法，首先，用户构建模式图Q，选择待分析的图数据，并发出模式图Q的匹配查询请求；其次，系统采用十字链表作为待分析的图数据的基础数据结构，并对十字链表结构的图数据G进行数据管理操作；然后，系统将模式图Q的匹配查询请求发送至十字链表结构的图数据G的各个数据站点，数据站点计为(S1,S2...Sm)；再然后，系统对各数据站点并行执行本地计算，计算出匹配结果；最后，系统对匹配结果进行排序显示。系统通过全双工方式，对经典的VF2算法进行拓展，实现分布式图结构匹配计算；基础数据采用十字链表结构，便于双向(延父节点，或子节点)遍历，在十字链表的基础上，实现了非常高效的节点、边的增删改操作，使得图数据的维护非常便利；从输入输出变化的角度，设计增量维护算法，使得对查询结果的动态维护更加高效，实现了增量维护计算，以克服社交网络更新频繁，而批量计算又开销巨大的严重瓶颈；通过“所见即所得”的可视化方式帮助用户构建查询，管理图数据，并可视化查询结果。
实施例
本例针对社交网络“大数据”，通过分布式，可视化及增量计算技术，实现高效、便捷的数据分析与维护，进而为专家推荐、社交圈子识别，社会位置分析等热点应用提供关键技术支撑。为了有效的克服以上困难，更加高效、便捷地对社交网络“大数据”进行分析，我们对传统技术进行了如下三方面的扩展：(I)采用分布式技术管理、查询数据，实现图结构匹配计算的并行化；(II)实现匹配结果(视图)的增量维护；(III)实现模式图构造和匹配结果的可视化。具体的：
(I)分布式图结构匹配技术：通过全双工方式，对经典的VF2算法进行拓展，实现分布式图结构匹配计算。图数据管理技术：基础数据采用十字链表结构，便于双向(延父节点，或子节点)遍历；同时由于采用了更加“简洁”的数据结构，使得数据的空间开销更小。
(II)匹配结果增量维护技术：从输入输出变化的角度，设计增量维护算法，使得对查询结果的动态维护更加高效。
(III)查询可视化技术：通过“所见即所得”的可视化方式帮助用户构建查询，管理图数据，并可视化查询结果。
总体的技术方案如下：
首先，用户通过系统中的图形化界面帮助用户管理图数据，构建模式图，及可视化查询结果。用户一方面可以通过在图形化界面的面板上“画出”一系列的节点和边，便利地构建模式图，另一方面可以选择所要查询的图数据，最终明确匹配算法的输入；用户可以指定图数据并对其进行一系列数据管理操作，如节点查询，节点和边的增删改等操作；匹配结果将以图形化的方式呈现，用户可以更加直观地理解匹配结果。
其次，通过查询引擎调用分布式算法执行结构匹配计算，同时对匹配结果进行评估，选取top-K个结果，并将它们可视化在图形界面上。查询引擎的具体工作流程如下：
(I)查询引擎接收查询请求后，将请求分发到各个数据站点(S1,S2...Sm)。
(II)各站点收到查询请求后，运算模块并行地调用经全双工方式优化后的VF2算法对各个数据站点(S1,S2...Sm)执行本地计算。考虑到本地化的运算会导致匹配结果缺失，因此在执行本地化运算前，对于当前站点Si的边界节点vo(即位于本站点，但是存在子节点位于其他站点)，如果其与模式图Q中的某个节点uo具有相同的节点标签(可扩展至具有类似语义)，则Si向其他站点Sj请求边界节点vo的邻居节点。Si接收到Sj返回的数据后，进行本地运算，并将结果返回查询引擎。
(III)查询引擎收集到所有返回的计算结果后，对结果进行整合。考虑到查询结果集有时会非常大，而用户可能只对排名靠前的K个匹配结果感兴趣，因此查询引擎利用排序模块识别top-K个匹配项；而排序依据来源于对社交网络的观察：一个匹配结果与外部连接地紧密程度反映了该匹配结果的社会影响，因此排名功能利用匹配结果的度数(出入度之和)作为衡量匹配结果重要性的指标。出度及入度的和越大，系统排序越靠前。
真实的社交网络G往往非常大，并且经常变化。对于给定的图G，模式图Q和G的增量ΔG，在每一次G更新后重新计算Q(G+ΔG)将是一个非常消耗资源的过程。而当增量ΔG很小时，增量计算比每一次重新计算效率高得多。本例增加增量计算模块通过运用增量算法，对已有的匹配结果进行增量计算，以保证结果的正确性和完整性。增量计算的核心思路依据子图同构的“本地化”特性，其算法如下：
(1)将Q视为无向图Q'，并计算出Q'的直径d。
(2)对于G中每一条边的更新Δe＝(v,v')(增删节点不会影响匹配结果，故忽略之)，分别计算v和v'在d步内可达的节点，并从G中导出该子图，称为G(Δe,Q)；对G(Δe,Q)和Q进行同构计算，得出新的匹配结果，并将新的匹配结果传输给排序模块。
综上所述，系统通过全双工方式，对经典的VF2算法进行拓展，实现分布式图结构匹配计算；基础数据采用十字链表结构，便于双向(延父节点，或子节点)遍历，在十字链表的基础上，实现了非常高效的节点、边的增删改操作，使得图数据的维护非常便利；从输入输出变化的角度，设计增量维护算法，使得对查询结果的动态维护更加高效，实现了增量维护计算，以克服社交网络更新频繁，而批量计算又开销巨大的严重瓶颈；通过“所见即所得”的可视化方式帮助用户构建查询，管理图数据，并可视化查询结果。
Claims (7)
1.基于图结构匹配的社交网络分析方法，其特征在于，包括以下步骤：
步骤1、用户通过系统构建模式图Q，选择待分析的图数据，并发出模式图Q的匹配查询请求；
步骤2、系统采用十字链表作为待分析的图数据的基础数据结构，并对十字链表结构的图数据G进行数据管理操作；
步骤3、系统将模式图Q的匹配查询请求发送至十字链表结构的图数据G的各个数据站点，数据站点计为(S1,S2...Sm)；
步骤4、系统对各数据站点并行执行本地计算，计算出匹配结果；
步骤5、系统对匹配结果进行排序显示。
2.根据权利要求1所述的基于图结构匹配的社交网络分析方法，其特征在于，所述步骤3中，系统接收模式图Q的匹配查询请求后，首先检测当前站点Si的边界节点vo，如果其与模式图Q中的某个节点uo具有相同的节点标签，则Si向其他站点Sj请求边界节点vo的邻居节点，Si接收到Sj返回的数据后，进入步骤4。
3.根据权利要求1所述的基于图结构匹配的社交网络分析方法，其特征在于，所述步骤4中，系统并行调用经全双工方式优化后的VF2算法对十字链表结构的图数据G的各数据站点并行执行本地计算。
4.根据权利要求1所述的基于图结构匹配的社交网络分析方法，其特征在于，所述步骤5中，系统根据匹配结果的出入度对匹配结果进行排序显示，出度及入度的和越大，系统排序越靠前。
5.根据权利要求1所述的基于图结构匹配的社交网络分析方法，其特征在于，所述方法还包括系统通过运用增量算法，对匹配结果进行增量计算，具体包括以下步骤：
步骤61、系统将模式图Q转换为无向图Q'，并计算出Q'的直径d；
步骤62、系统将十字链表结构的图数据G中每一条边的更新计为Δe＝(v,v')，分别计算v和v'在d步内可达的节点；
步骤63、系统并十字链表结构的图数据G中导出包含上述节点的子图，计为G(Δe,Q)；
步骤64、系统对子图G(Δe,Q)进行模式图Q的同构计算，得出新的匹配结果，返回步骤5。
6.根据权利要求1所述的基于图结构匹配的社交网络分析方法，其特征在于，所述步骤1中，用户通过输入节点和边，构建模式图Q。
7.根据权利要求1所述的基于图结构匹配的社交网络分析方法，其特征在于，所述步骤1中，对十字链表结构的图数据G进行数据管理操作包括节点查询、节点的增删改和/或边的增删改。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510461143.7A CN105117421B (zh) | 2015-07-31 | 2015-07-31 | 基于图结构匹配的社交网络分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510461143.7A CN105117421B (zh) | 2015-07-31 | 2015-07-31 | 基于图结构匹配的社交网络分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105117421A true CN105117421A (zh) | 2015-12-02 |
| CN105117421B CN105117421B (zh) | 2018-07-17 |
Family
ID=54665411
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510461143.7A Active CN105117421B (zh) | 2015-07-31 | 2015-07-31 | 基于图结构匹配的社交网络分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105117421B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105488289A (zh) * | 2015-12-09 | 2016-04-13 | 四川长虹电器股份有限公司 | 分布式环境下动态图结构匹配的方法 |
| CN105761122A (zh) * | 2016-04-29 | 2016-07-13 | 山东大学 | 一种融合制造商相似度的产品推荐方法及装置 |
| CN106023232A (zh) * | 2016-06-07 | 2016-10-12 | 电子科技大学 | 一种带窗动态空间规整的图匹配方法 |
| CN106446143A (zh) * | 2016-09-21 | 2017-02-22 | 四川长虹电器股份有限公司 | 基于图结构匹配的智能推荐系统及方法 |
| CN106528757A (zh) * | 2016-11-03 | 2017-03-22 | 北京中安智达科技有限公司 | 一种面向大数据的关系分析展示方法 |
| CN108920676A (zh) * | 2018-07-09 | 2018-11-30 | 清华大学 | 一种处理图数据的方法及系统 |
| CN109002523A (zh) * | 2018-07-12 | 2018-12-14 | 苏州工业职业技术学院 | 基于时间接触网络的被影响节点查询方法 |
| CN112541042A (zh) * | 2020-12-17 | 2021-03-23 | 四川新网银行股份有限公司 | 一种千万数量级下轻量级的社交网络的生成方法 |
| CN113297521A (zh) * | 2021-04-30 | 2021-08-24 | 成都东方盛行电子有限责任公司 | 一种可视化建站方法及系统 |
| CN113312384A (zh) * | 2020-02-26 | 2021-08-27 | 阿里巴巴集团控股有限公司 | 图数据的查询处理方法、装置及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103138981A (zh) * | 2011-11-30 | 2013-06-05 | 中国移动通信集团公司 | 一种社交网络分析方法和装置 |
| CN103279546A (zh) * | 2013-05-13 | 2013-09-04 | 清华大学 | 图数据查询方法 |
| CN103399932A (zh) * | 2013-08-06 | 2013-11-20 | 武汉大学 | 一种基于语义社会网络本体分析技术的情境识别方法 |
| CN103646079A (zh) * | 2013-12-13 | 2014-03-19 | 武汉大学 | 一种用于图数据库搜索的分布式索引及其并行生成方法 |
-
2015
- 2015-07-31 CN CN201510461143.7A patent/CN105117421B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103138981A (zh) * | 2011-11-30 | 2013-06-05 | 中国移动通信集团公司 | 一种社交网络分析方法和装置 |
| CN103279546A (zh) * | 2013-05-13 | 2013-09-04 | 清华大学 | 图数据查询方法 |
| CN103399932A (zh) * | 2013-08-06 | 2013-11-20 | 武汉大学 | 一种基于语义社会网络本体分析技术的情境识别方法 |
| CN103646079A (zh) * | 2013-12-13 | 2014-03-19 | 武汉大学 | 一种用于图数据库搜索的分布式索引及其并行生成方法 |
Non-Patent Citations (1)
| Title |
|---|
| 于戈等: "《云计算环境下的大规模图数据处理技术》", 《计算机学报》 * |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105488289B (zh) * | 2015-12-09 | 2018-10-19 | 四川长虹电器股份有限公司 | 分布式环境下动态图结构匹配的方法 |
| CN105488289A (zh) * | 2015-12-09 | 2016-04-13 | 四川长虹电器股份有限公司 | 分布式环境下动态图结构匹配的方法 |
| CN105761122A (zh) * | 2016-04-29 | 2016-07-13 | 山东大学 | 一种融合制造商相似度的产品推荐方法及装置 |
| CN105761122B (zh) * | 2016-04-29 | 2020-09-08 | 山东大学 | 一种融合制造商相似度的产品推荐方法及装置 |
| CN106023232A (zh) * | 2016-06-07 | 2016-10-12 | 电子科技大学 | 一种带窗动态空间规整的图匹配方法 |
| CN106023232B (zh) * | 2016-06-07 | 2018-10-16 | 电子科技大学 | 一种带窗动态空间规整的图匹配方法 |
| CN106446143A (zh) * | 2016-09-21 | 2017-02-22 | 四川长虹电器股份有限公司 | 基于图结构匹配的智能推荐系统及方法 |
| CN106446143B (zh) * | 2016-09-21 | 2019-12-24 | 四川长虹电器股份有限公司 | 基于图结构匹配的智能推荐系统及方法 |
| CN106528757B (zh) * | 2016-11-03 | 2021-09-03 | 北京中安智达科技有限公司 | 一种面向大数据的关系分析展示方法 |
| CN106528757A (zh) * | 2016-11-03 | 2017-03-22 | 北京中安智达科技有限公司 | 一种面向大数据的关系分析展示方法 |
| CN108920676A (zh) * | 2018-07-09 | 2018-11-30 | 清华大学 | 一种处理图数据的方法及系统 |
| CN109002523A (zh) * | 2018-07-12 | 2018-12-14 | 苏州工业职业技术学院 | 基于时间接触网络的被影响节点查询方法 |
| CN113312384A (zh) * | 2020-02-26 | 2021-08-27 | 阿里巴巴集团控股有限公司 | 图数据的查询处理方法、装置及电子设备 |
| CN113312384B (zh) * | 2020-02-26 | 2023-12-26 | 阿里巴巴集团控股有限公司 | 图数据的查询处理方法、装置及电子设备 |
| CN112541042A (zh) * | 2020-12-17 | 2021-03-23 | 四川新网银行股份有限公司 | 一种千万数量级下轻量级的社交网络的生成方法 |
| CN112541042B (zh) * | 2020-12-17 | 2022-11-04 | 四川新网银行股份有限公司 | 一种千万数量级下轻量级的社交网络的生成方法 |
| CN113297521A (zh) * | 2021-04-30 | 2021-08-24 | 成都东方盛行电子有限责任公司 | 一种可视化建站方法及系统 |
| CN113297521B (zh) * | 2021-04-30 | 2022-10-14 | 成都东方盛行电子有限责任公司 | 一种可视化建站方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105117421B (zh) | 2018-07-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105117421A (zh) | 基于图结构匹配的社交网络分析方法 | |
| CN105138600A (zh) | 基于图结构匹配的社交网络分析方法 | |
| Armenatzoglou et al. | A general framework for geo-social query processing | |
| CN103605662B (zh) | 一种分布式计算框架参数优化方法、装置及系统 | |
| CN104995870A (zh) | 多目标服务器布局确定 | |
| CN106408124B (zh) | 一种面向数据稀疏环境下的移动路径混合预测方法 | |
| Obitko et al. | Big data challenges in industrial automation | |
| Zhang et al. | A system for tender price evaluation of construction project based on big data | |
| CN102291247A (zh) | 告警关联图生成方法、装置及关联告警确定方法、装置 | |
| WO2016045567A1 (zh) | 网页数据分析方法及装置 | |
| CN111274282A (zh) | 一种空气质量挖掘系统、方法及数据采集监控装置 | |
| KR102656114B1 (ko) | 멀티미디어 콘텐츠 검색 방법, 장치, 기기 및 저장 매체 | |
| CN104700190A (zh) | 一种用于项目与专业人员匹配的方法和装置 | |
| CN107689628B (zh) | 一种电网环路检测方法 | |
| Mohamed et al. | A review on big data management and decision-making in smart grid | |
| CN110287237B (zh) | 一种基于社会网络结构分析社团数据挖掘方法 | |
| CN103514273A (zh) | 数据采集和监视控制系统及该系统的数据处理方法 | |
| Hu et al. | Approximation with error bounds in spark | |
| CN113722564A (zh) | 基于空间图卷积能源物资供应链的可视化方法及装置 | |
| CN104462095A (zh) | 一种查询语句公共部分的提取方法及装置 | |
| CN104318501A (zh) | 管线网络拓扑关系构建方法、装置及系统 | |
| Chen et al. | Digital twin mobility profiling: A spatio-temporal graph learning approach | |
| Li et al. | Fog-based pub/sub index with Boolean expressions in the internet of industrial vehicles | |
| CN109976271B (zh) | 一种利用信息表征方法计算信息结构有序度的方法 | |
| CN109446294B (zh) | 一种并行的相互子空间Skyline查询方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |