CN107358535B - 一种社区发现方法及装置 - Google Patents

一种社区发现方法及装置 Download PDF

Info

Publication number
CN107358535B
CN107358535B CN201710556562.8A CN201710556562A CN107358535B CN 107358535 B CN107358535 B CN 107358535B CN 201710556562 A CN201710556562 A CN 201710556562A CN 107358535 B CN107358535 B CN 107358535B
Authority
CN
China
Prior art keywords
community
node information
historical
result data
division result
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
CN201710556562.8A
Other languages
English (en)
Other versions
CN107358535A (zh
Inventor
张军涛
王雨春
邹波
洪峰
邓鸿阳
熊胜
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.)
Shenzhen Lexin Software Technology Co Ltd
Original Assignee
Shenzhen Lexin Software Technology 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 Shenzhen Lexin Software Technology Co Ltd filed Critical Shenzhen Lexin Software Technology Co Ltd
Priority to CN201710556562.8A priority Critical patent/CN107358535B/zh
Publication of CN107358535A publication Critical patent/CN107358535A/zh
Application granted granted Critical
Publication of CN107358535B publication Critical patent/CN107358535B/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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明实施例公开了一种社区发现方法及装置。该方法包括：获取在预设时间段内网络数据库中的新增网络关系数据；根据所述新增网络关系数据与历史社区划分结果数据获得当前社区划分结果数据。现有技术中，发现社区的做法是按照一定的时间频率运用社区发现算法对当前处理时刻以前的所有用户关系数据进行处理分析，十分消耗计算资源，而且随着数据量的不断积累，所需的计算成本也会增加。本发明实施例提供的社区发现方法，通过获取新增的网络关系数据，根据新增网络关系数据与历史社区划分结果数据来获取当前社区划分结果数据，只对新增的网络关系及部分相关的历史数据进行处理，可以节省发现社区的计算资源并提高计算速度。

Description

一种社区发现方法及装置
技术领域
本发明实施例涉及社会复杂网络技术领域，尤其涉及一种社区发现方法及装置。
背景技术
社会网络是由一个个单独的节点组成的，这些节点之间的联系有紧密稀疏之分，将社会网络中具有紧密联系的节点的集合成为社区。网络中一个个社区构成了这个网络的社区结构，通过对各节点间联系紧密程度的分析，找出社区结构的过程叫做社区发现。
由于人们在参与社会生活中会不断构建新的关系，网络的社区结构也会随之改变。现有技术中，发现社区的做法是按照一定的时间频率运用社区发现算法对当前处理时刻以前的所有用户关系数据进行处理分析，这种做法虽然可以及时反映当前的网络社区结构，但十分消耗计算资源，而且随着数据量的不断积累，所需的计算成本也会增加。
发明内容
本发明实施例提供一种社区发现方法及装置，可以节省发现社区的计算资源并提高计算速度。
第一方面，本发明实施例提供了一种社区发现方法，该方法包括：
获取在预设时间段内网络数据库中的新增网络关系数据；
根据所述新增网络关系数据与历史社区划分结果数据获得当前社区划分结果数据。
进一步地，所述获取在预设时间段内网络数据库中的新增网络关系数据，包括：
获取在预设时间段内网络数据库中新增网络关系数据中的第一节点信息；
按照新增网络关系构建第一节点信息之间的第一关系边。
进一步地，所述根据所述新增网络关系数据与历史社区划分结果数据获得当前社区划分结果数据，包括：
遍历所述第一节点信息，若遍历到的第一节点信息在所述历史社区划分结果数据中，则在所述第一节点信息与所述第一节点信息所在的社区标识之间构建第二关系边；
在遍历完成后，根据所述第一关系边和/或所述第二关系边形成节点关系图；
根据所述节点关系图中节点信息的连通性划分出至少一个第一社区。
进一步地，在根据所述节点关系图中节点信息的连通性划分出至少一个第一社区之后，还包括：
查找包含相同节点信息的第一社区和历史社区，所述历史社区为历史社区划分结果数据中的社区；
将所述第一社区和所述历史社区合并形成新社区；
根据所述新社区更新所述历史社区划分结果数据；
将与历史社区不包含相同节点信息的第一社区添加至更新后的历史社区划分结果数据获得当前社区划分结果数据。
进一步地，所述社区标识为所述社区中任一节点信息的身份标识码ID。
第二方面，本发明实施例还提供了一种社区发现装置，该装置包括：
新增网络关系数据获取模块，用于获取在预设时间段内网络数据库中的新增网络关系数据；
当前社区划分结果数据获取模块，用于根据所述新增网络关系数据与历史社区划分结果数据获得当前社区划分结果数据。
进一步地，所述当前社区划分结果数据获取模块，还用于：
获取在预设时间段内网络数据库中新增网络关系数据中的第一节点信息；
按照新增网络关系构建第一节点信息之间的第一关系边。
进一步地，所述当前社区划分结果数据获取模块，还用于：
遍历所述第一节点信息，若遍历到的第一节点信息在所述历史社区划分结果数据中，则在所述第一节点信息与所述第一节点信息所在的社区标识之间构建第二关系边；
在遍历完成后，根据所述第一关系边和/或所述第二关系边形成节点关系图；
根据所述节点关系图中节点信息的连通性划分出至少一个第一社区。
进一步地，所述当前社区划分结果数据获取模块，还用于：
查找包含相同节点信息的第一社区和历史社区，所述历史社区为历史社区划分结果数据中的社区；
将所述第一社区和所述历史社区合并形成新社区；
根据所述新社区更新所述历史社区划分结果数据；
将与历史社区不包含相同节点信息的第一社区添加至更新后的历史社区划分结果数据获得当前社区划分结果数据。
进一步地，所述社区标识为所述社区中任一节点信息的身份标识码ID。
本发明实施例，首先获取在预设时间段内网络数据库中的新增网络关系数据，然后根据新增网络关系数据与历史社区划分结果数据获得当前社区划分结果数据。现有技术中，发现社区的做法是按照一定的时间频率运用社区发现算法对当前处理时刻以前的所有用户关系数据进行处理分析，这种做法虽然可以及时反映当前的网络社区结构，但十分消耗计算资源，而且随着数据量的不断积累，所需的计算成本也会增加。本实施例的技术方案，通过获取新增的网络关系数据，根据新增网络关系数据与历史社区划分结果数据来获取当前社区划分结果数据，只对新增的网络关系及部分相关的历史数据进行处理，可以节省发现社区的计算资源并提高计算速度。
附图说明
图1a是本发明实施例一中的一种社区发现方法的流程图；
图1b是本发明实施例一中的一种社区发现方法的原理图；
图2是本发明实施例二中的一种社区发现方法的流程图；
图3a是本发明实施例二中的一种第一社区的形成过程图；
图3b是本发明实施例二中的一种第一社区的形成过程图；
图3c是本发明实施例二中的一种形成当前社区划分结果数据的过程图；
图3d是本发明实施例二中的一种形成当前社区划分结果数据的过程图；
图3e是本发明实施例二中的一种形成当前社区划分结果数据的过程图；
图4是本发明实施例二中的一种社区发现方法的流程图；
图5是本发明实施例三中的一种社区发现装置的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1a为本发明实施例一提供的一种社区发现方法的流程图，本实施例可适用于对网络关系数据进行社区划分的情况，该方法可以由发现社区装置来执行，一般集成在服务器中，如图1a所示，该方法包括如下步骤：
步骤110，获取在预设时间段内网络数据库中的新增网络关系数据。
其中，预设时间段可以是上次获取社区划分结果数据的时间点到当前时间点之间的时间段。网络数据库可以用于存储各网络用户节点间的网络关系数据，本应用场景下，网络数据库用于存储涉及借贷业务的用户节点间的网络关系数据。新增网络关系数据可以包括新增的节点信息间的网络关系数据、原有的节点信息间新增的网络关系数据及新增节点信息与原有节点信息间的网络关系数据。
具体的，获取在预设时间段内网络数据库中的新增网络关系数据的过程可以是，在历史社区划分结果数据的基础上，将新增的网络关系数据提取出来。其方式可以是，首先获取在预设时间段内网络数据库中新增网络关系数据中的第一节点信息，然后按照新增网络关系构建第一节点信息之间的第一关系边。
其中，节点信息可以包括用户在网络中注册的用户名、登记的手机号、IP地址及使用的设备号等。具体的，根据新增的网络关系数据获取产生网络关系的第一节点信息，然后在第一节点信息之间按照新增网络关系根据图的定义构建第一关系边。示例性的，user2和user5在历史划分结果数据中分别属于不同的社区，即两者之间不存在网络关系，在新增的网络关系数据中，user2和user5互通了电话，则user2和user5间产生了网络关系，则将user2和user5间产生的网络关系数据提取出来后，在user2与user5之间构建关系边，其形式可以是(user2，user5)或user2—user5。
步骤120，根据新增网络关系数据与历史社区划分结果数据获得当前社区划分结果数据。
其中，历史社区划分结果数据可以是上次对网络数据库中的网络关系数据进行社区划分得到的结果。具体的，根据新增网络关系数据与历史社区划分结果数据获得当前社区划分结果数据的方式可以是，将新增网络关系数据与历史社区划分结果数据进行一系列的融合关联分组，从而获得当前社区划分结果。其具体过程可以是，遍历第一节点信息，若遍历到的第一节点信息在历史社区划分结果数据中，则在第一节点信息与第一节点信息所在的社区标识之间构建第二关系边。遍历完成后，根据第一关系边和/或第二关系边形成节点关系图，根据节点关系图中节点信息的连通性划分出至少一个第一社区。查找包含相同节点信息的第一社区和历史社区，历史社区为历史社区划分结果数据中的社区，将第一社区和历史社区合并形成新社区，根据新社区更新历史社区划分结果数据，将与历史社区不包含相同节点信息的第一社区添加至更新后的历史社区划分结果数据获得当前社区划分结果数据。
图1b为本发明实施例一提供的一种社区发现方法的原理图，如图1b所示，社区发现方法的基本原理可以是，将新增网络关系数据与上次网络社区划分结果数据进行一系列的融合关联分组，从而获得当前社区划分结果数据。
本实施例的技术方案，首先获取在预设时间段内网络数据库中的新增网络关系数据，然后根据新增网络关系数据与历史社区划分结果数据获得当前社区划分结果数据。现有技术中，发现社区的做法是按照一定的时间频率运用社区发现算法对当前处理时刻以前的所有用户关系数据进行处理分析，这种做法虽然可以及时反映当前的网络社区结构，但十分消耗计算资源，而且随着数据量的不断积累，所需的计算成本也会增加。本实施例的技术方案，通过获取新增的网络关系数据，根据新增网络关系数据与历史社区划分结果数据来获取当前社区划分结果数据，只对新增的网络关系及部分相关的历史数据进行处理，可以节省发现社区的计算资源并提高计算速度。
实施例二
图2为本发明实施例二提供的一种社区发现方法的流程图，以上述实施例为基础，如图2所示，步骤120包括：
步骤121，遍历第一节点信息，若遍历到的第一节点信息在历史社区划分结果数据中，则在第一节点信息与第一节点信息所在的社区标识之间构建第二关系边。
其中，社区标识可以是社区中任一节点信息的身份标识码(Identification，ID)，优选的，选择节点信息的ID值最小的ID作为该社区的社区标识。具体的，在遍历新增网络关系数据中的所有第一节点信息时，每遍历到一个第一节点信息，判断该第一节点信息是否在历史社区划分结果数据中，如果在，则在该第一节点信息与第一节点信息所在的社区标识之间构建第二关系边。示例性的，user2是新增网络关系数据中的一个第一节点信息，且user2在历史社区划分结果数据的社区标识为user1的社区中，则在user2与user1构建关系边为(user2，user1)。
步骤122，在遍历完成后，根据第一关系边和/或第二关系边形成节点关系图。
在遍历完成后，若第一节点信息中的所有节点信息都不在历史社区划分结果数据中，则根据第一关系边形成节点关系图；若第一节点信息中的所有节点信息在历史社区划分结果数据中或者部分在历史社区划分结果数据中，则将第一关系边和第二关系边合并，根据合并后的关系边形成节点关系图。
步骤123，根据节点关系图中节点信息的连通性划分出至少一个第一社区。
其中，连通性可以是节点信息间具有直接或间接的网络关系，例如，A与B间有直接网络关系，B与C间有直接网络关系，而A与C之间没有直接网络关系，但是A与C间有间接网络关系，则A、B和C三者间具有连通性。具体的，在节点关系图中，将具有连通性的节点信息划分为一个社区形成第一社区。
示例性的，图3a-3b为本发明实施例二提供的第一社区的形成过程图，如图3a所示，假设新增网络关系数据中的第一节点信息包括user2、user5、user10和user11，其中，user2和user5互为好友，user10和user11互为好友，则建立第一关系边(user2，user5)和(user10，user11)。user2和user5分别属于user1社区和user4社区，则构建第二关系边(user2，user1)和(user5，user4)。如图3b所示，将第一关系边和第二关系边合并，合并后构建节点关系图，然后根据节点信息的连通性划分出第一社区user1和user10。
在步骤123之后，还包括：
步骤124，查找包含相同节点信息的第一社区和历史社区，历史社区为历史社区划分结果数据中的社区。
具体的，在根据节点信息的连通性划分出至少一个第一社区后，将划分出的第一社区与历史社区进行比对，查找包含相同节点信息的第一社区和历史社区。示例性的，图3c-3e为本发明实施例二提供的形成当前社区划分结果数据的过程图，如图3c所示，第一社区user1和历史社区user4中包含相同的节点信息user4。
步骤125，将第一社区和历史社区合并形成新社区。
查找到包含相同节点信息的第一社区和历史社区后，将这两个社区进行合并形成新的社区。示例性的，如图3d，第一社区user1和历史社区user4中包含相同的节点信息，则将社区user1和user4合并形成一个新的社区user1，即将历史社区user4中的节点信息划入社区user1中。
步骤126，根据新社区更新历史社区划分结果数据。
在将第一社区和历史社区合并形成新社区之后，根据新社区对历史社区划分结果数据进行更新。示例性的，在上述例子中，历史社区划分结果数据中的社区包括user1、user2和user8，更新后的社区划分结果数据中社区包括user1和user8。
步骤127，将与历史社区不包含相同节点信息的第一社区添加至更新后的历史社区划分结果数据获得当前社区划分结果数据。
对于与历史社区不包含相同节点信息的第一社区，直接将其添加至更新后的历史社区划分结果数据中，获得当前社区划分结果数据。示例性的，如图3e所示，第一社区user10中不包含与历史社区相同节点信息，则直接将第一社区user10添加至更新后的社区划分结果数据中，得到的当前社区划分结果数据中包括的社区有user1、user8和user10。
本实施例的技术方案，通过分析新增网络关系数据中第一节点信息与历史社区划分结果数据中节点信息的关系，将新增网络关系数据与历史社区划分结果数据进行融合关联分组后，得到当前社区划分结果数据，并将当前社区划分结果数据保存到数据库、数据仓库或者磁盘中。只需处理新增的网络关系数据及相关的部分历史数据，节省计算资源的同时提高计算速度。
优选的，图4为本发明实施例二提供的一种社区发现方法的流程图。为了更好描述本实施例的详细流程，下述为本申请的一个优选的实施例，如图4所示，该方法包括：
步骤201，获取在预设时间段内网络数据库中新增网络关系数据中的第一节点信息，按照新增网络关系构建第一节点信息之间的第一关系边。
步骤202，遍历第一节点信息，判断遍历到的第一节点信息是否在历史社区划分结果数据中，若在，转步骤203；若不在，转步骤204。
步骤203，在第一节点信息与第一节点信息所在的社区标识之间构建第二关系边。
步骤204，在遍历完成后，根据第一关系边和/或第二关系边形成节点关系图。
步骤205，根据节点关系图中节点信息的连通性划分出至少一个第一社区。
步骤206，判断第一社区中是否有与历史社区相同的节点信息，若有，转步骤207，若没有，转步骤209。
步骤207，将第一社区和历史社区合并形成新社区。
步骤208，根据新社区更新历史社区划分结果数据。
步骤209，将与历史社区不包含相同节点信息的第一社区添加至更新后的历史社区划分结果数据获得当前社区划分结果数据。
实施例三
图5为本发明实施例三提供的一种社区发现装置的结构示意图。如图5所示，该装置包括：新增网络关系数据获取模块510和当前社区划分结果数据获取模块520。
新增网络关系数据获取模块510，用于获取在预设时间段内网络数据库中的新增网络关系数据；
当前社区划分结果数据获取模块520，用于根据新增网络关系数据与历史社区划分结果数据获得当前社区划分结果数据。
优选的，当前社区划分结果数据获取模块510，还用于：
获取在预设时间段内网络数据库中新增网络关系数据中的第一节点信息；
按照新增网络关系构建第一节点信息之间的第一关系边。
优选的，当前社区划分结果数据获取模块520，还用于：
遍历第一节点信息，若遍历到的第一节点信息在历史社区划分结果数据中，则在第一节点信息与第一节点信息所在的社区标识之间构建第二关系边；
在遍历完成后，根据第一关系边和/或第二关系边形成节点关系图；
根据节点关系图中节点信息的连通性划分出至少一个第一社区。
优选的，当前社区划分结果数据获取模块520，还用于：
查找包含相同节点信息的第一社区和历史社区，历史社区为历史社区划分结果数据中的社区；
将第一社区和历史社区合并形成新社区；
根据新社区更新历史社区划分结果数据；
将与历史社区不包含相同节点信息的第一社区添加至更新后的历史社区划分结果数据获得当前社区划分结果数据。
优选的，社区标识为社区中任一节点信息的身份标识码ID。
上述装置可执行本发明前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明前述所有实施例所提供的方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (4)

1.一种社区发现方法，其特征在于，包括：
获取在预设时间段内网络数据库中的新增网络关系数据；
根据所述新增网络关系数据与历史社区划分结果数据获得当前社区划分结果数据；
所述获取在预设时间段内网络数据库中的新增网络关系数据，包括：
获取在预设时间段内网络数据库中新增网络关系数据中的第一节点信息；
按照新增网络关系构建第一节点信息之间的第一关系边；
所述根据所述新增网络关系数据与历史社区划分结果数据获得当前社区划分结果数据，包括：
遍历所述第一节点信息，若遍历到的第一节点信息在所述历史社区划分结果数据中，则在所述第一节点信息与所述第一节点信息所在的社区标识之间构建第二关系边；
在遍历完成后，根据所述第一关系边和/或所述第二关系边形成节点关系图；
根据所述节点关系图中节点信息的连通性划分出至少一个第一社区；
查找包含相同节点信息的第一社区和历史社区，所述历史社区为历史社区划分结果数据中的社区；
将所述第一社区和所述历史社区合并形成新社区；
根据所述新社区更新所述历史社区划分结果数据；
将与历史社区不包含相同节点信息的第一社区添加至更新后的历史社区划分结果数据获得当前社区划分结果数据。
2.根据权利要求1所述的社区发现方法，其特征在于，所述社区标识为所述社区中任一节点信息的身份标识码ID。
3.一种社区发现装置，其特征在于，包括：
新增网络关系数据获取模块，用于获取在预设时间段内网络数据库中的新增网络关系数据；
当前社区划分结果数据获取模块，用于根据所述新增网络关系数据与历史社区划分结果数据获得当前社区划分结果数据；
所述新增网络关系数据获取模块，具体用于：
获取在预设时间段内网络数据库中新增网络关系数据中的第一节点信息；
按照新增网络关系构建第一节点信息之间的第一关系边；
所述当前社区划分结果数据获取模块，具体用于：
遍历所述第一节点信息，若遍历到的第一节点信息在所述历史社区划分结果数据中，则在所述第一节点信息与所述第一节点信息所在的社区标识之间构建第二关系边；
在遍历完成后，根据所述第一关系边和/或所述第二关系边形成节点关系图；
根据所述节点关系图中节点信息的连通性划分出至少一个第一社区；
查找包含相同节点信息的第一社区和历史社区，所述历史社区为历史社区划分结果数据中的社区；
将所述第一社区和所述历史社区合并形成新社区；
根据所述新社区更新所述历史社区划分结果数据；
将与历史社区不包含相同节点信息的第一社区添加至更新后的历史社区划分结果数据获得当前社区划分结果数据。
4.根据权利要求3所述的社区发现装置，其特征在于，所述社区标识为所述社区中任一节点信息的身份标识码ID。
CN201710556562.8A 2017-07-10 2017-07-10 一种社区发现方法及装置 Active CN107358535B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710556562.8A CN107358535B (zh) 2017-07-10 2017-07-10 一种社区发现方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710556562.8A CN107358535B (zh) 2017-07-10 2017-07-10 一种社区发现方法及装置

Publications (2)

Publication Number Publication Date
CN107358535A CN107358535A (zh) 2017-11-17
CN107358535B true CN107358535B (zh) 2021-02-02

Family

ID=60291815

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710556562.8A Active CN107358535B (zh) 2017-07-10 2017-07-10 一种社区发现方法及装置

Country Status (1)

Country Link
CN (1) CN107358535B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110648208B (zh) * 2019-09-27 2021-12-21 支付宝(杭州)信息技术有限公司 群组识别方法、装置和电子设备
CN111177876B (zh) * 2019-12-25 2023-06-20 支付宝(杭州)信息技术有限公司 一种社区发现方法、装置及电子设备
CN111475736A (zh) * 2020-03-18 2020-07-31 华为技术有限公司 社区挖掘的方法、装置和服务器
CN113035366B (zh) * 2021-03-24 2023-01-13 南方科技大学 密接人群识别方法、装置、电子设备及存储介质
CN113590952B (zh) * 2021-07-30 2023-10-24 上海德衡数据科技有限公司 一种数据中心构建的方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130098772A (ko) * 2012-02-28 2013-09-05 삼성전자주식회사 토픽 기반 커뮤니티 인덱스 생성장치, 토픽 기반 커뮤니티 검색장치, 토픽 기반 커뮤니티 인덱스 생성방법 및 토픽 기반 커뮤니티 검색방법
CN103902547A (zh) * 2012-12-25 2014-07-02 深圳先进技术研究院 一种基于mdl的增量式动态社区快速发现方法及系统
CN103678671B (zh) * 2013-12-25 2016-10-05 福州大学 一种社交网络中的动态社区检测方法
CN106294524B (zh) * 2015-06-25 2019-06-07 阿里巴巴集团控股有限公司 一种关系数据的处理方法和装置
CN106506183B (zh) * 2015-09-06 2019-08-30 国家计算机网络与信息安全管理中心 网络社区的发现方法及装置

Also Published As

Publication number Publication date
CN107358535A (zh) 2017-11-17

Similar Documents

Publication Publication Date Title
CN107358535B (zh) 一种社区发现方法及装置
CN110543586B (zh) 多重用户身份融合方法、装置、设备及存储介质
US10078802B2 (en) Method and system of discovering and analyzing structures of user groups in microblog
CN111324643A (zh) 知识图谱的生成方法、关系挖掘方法、装置、设备和介质
CN111046237B (zh) 用户行为数据处理方法、装置、电子设备及可读介质
WO2016110121A1 (zh) 数据栅格化、用户行为分析的方法和装置
CN104077723B (zh) 一种社交网络推荐系统及方法
WO2017198039A1 (zh) 标签推荐方法及装置
CN107832440B (zh) 一种数据挖掘方法、装置、服务器及计算机可读存储介质
CN110298687B (zh) 一种区域吸引力评估方法及设备
Zhan et al. Identification of top-K influential communities in big networks
CN111159577B (zh) 一种社群划分方法、装置、存储介质及电子装置
CN111177481A (zh) 用户标识映射方法及装置
CN110333990B (zh) 数据处理方法以及装置
CN111651741B (zh) 用户身份识别方法、装置、计算机设备和存储介质
CN112667869B (zh) 数据处理方法、设备、系统及存储介质
CN112231481A (zh) 网址的分类方法、装置、计算机设备和存储介质
CN111339373B (zh) 一种图谱特征的提取方法、系统、计算机设备和存储介质
CN114547440A (zh) 基于互联网大数据的用户画像挖掘方法及人工智能云系统
CN113946717A (zh) 一种子图指标特征获得方法、装置、设备及存储介质
CN113779273A (zh) 基于知识图谱的企业信息挖掘方法、装置、计算机及介质
CN112434189A (zh) 数据查询方法、装置及设备
CN112732845A (zh) 一种基于端到端的大型知识图谱构建和存储方法和系统
Zhang et al. Social network sensitive area perturbance method based on firefly algorithm
US20230385337A1 (en) Systems and methods for metadata based path finding

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