CN109460490B - 社交网络中中心顶点的确定方法、装置、设备及存储介质 - Google Patents

社交网络中中心顶点的确定方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN109460490B
CN109460490B CN201811137653.9A CN201811137653A CN109460490B CN 109460490 B CN109460490 B CN 109460490B CN 201811137653 A CN201811137653 A CN 201811137653A CN 109460490 B CN109460490 B CN 109460490B
Authority
CN
China
Prior art keywords
vertex
social
sub
vertices
connected branch
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
CN201811137653.9A
Other languages
English (en)
Other versions
CN109460490A (zh
Inventor
陆玉恒
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.)
Shanghai Dajiaying Information Technology Co Ltd
Original Assignee
Shanghai Dajiaying Information 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 Shanghai Dajiaying Information Technology Co Ltd filed Critical Shanghai Dajiaying Information Technology Co Ltd
Priority to CN201811137653.9A priority Critical patent/CN109460490B/zh
Priority to US16/615,324 priority patent/US11487818B2/en
Priority to PCT/CN2018/114106 priority patent/WO2020062450A1/zh
Priority to JP2019563091A priority patent/JP6852193B2/ja
Publication of CN109460490A publication Critical patent/CN109460490A/zh
Application granted granted Critical
Publication of CN109460490B publication Critical patent/CN109460490B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Computing Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明实施例公开了一种社交网络中中心顶点的确定方法、装置、设备及存储介质。其中，方法包括：在社交网络中，确定具有目标属性的多个第一顶点；确定分别包含各第一顶点的各子社交集合；确定分别与各子社交集合关联的、不具有目标属性的顶点所组成的图的连通分支集合；根据各子社交集合和对应的连通分支集合，得到各第一顶点的中心性；选取中心性满足预设中心性要求的顶点作为中心顶点。本实施例提供的方法充分考虑到不同属性的顶点之间的相互影响，使得中心顶点的确定更为准确。

Description

社交网络中中心顶点的确定方法、装置、设备及存储介质
技术领域
本发明实施例涉及图论技术，尤其涉及一种社交网络中中心顶点的确定方法、装置、设备及存储介质。
背景技术
与传统的论坛、博客相比，社交网络是虚拟世界与现实世界的桥梁，在互联网上将现实生活中人与人之间的关系建立起来。利用计算机来处理社交网络往往会将整个社交网络看作是一个图的结构，每个人就是图中的顶点，人与人之间的关系就是顶点之间的边。
中心顶点是社交网络中具有较高的中心性的顶点，亦即在社交网络中具有一定的影响力和重要性。现有技术中，衡量中心性的指标包括度中心性、亲近中心性、特征向量中心性等。但是现有的中心顶点的确定方法未考虑到不同属性的顶点之间的相互影响，导致中心顶点的确定不够准确。
发明内容
本发明实施例提供一种社交网络中中心顶点的确定方法、装置、设备及存储介质，提高中心顶点确定的准确性。
第一方面，本发明实施例提供了一种社交网络中中心顶点的确定方法，包括：
在社交网络中，确定具有目标属性的多个第一顶点；
确定分别包含各第一顶点的各子社交集合；
确定分别与各子社交集合关联的、不具有目标属性的顶点所组成的图的连通分支集合；
根据各子社交集合和对应的连通分支集合，得到各第一顶点的中心性；
在多个第一顶点中，选取中心性满足预设中心性要求的顶点作为中心顶点。
第二方面，本发明实施例还提供了一种社交网络中中心顶点的确定装置，包括：
第一确定模块，用于在社交网络中，确定具有目标属性的多个第一顶点；
第二确定模块，用于确定分别包含各第一顶点的各子社交集合；
第三确定模块，用于确定分别与各子社交集合关联的、不具有目标属性的顶点所组成的图的连通分支集合；
处理模块，用于根据各子社交集合和对应的连通分支集合，得到各第一顶点的中心性；
选取模块，用于在多个第一顶点中，选取中心性满足预设中心性要求的顶点作为中心顶点。
第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现任一实施例所述的社交网络中中心顶点的确定方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一实施例所述的社交网络中中心顶点的确定方法。
本实施例中，通过在社交网络中，确定具有目标属性的多个第一顶点，并确定分别包含各第一顶点的子社交集合，与各子社交集合关联的、不具有目标属性的顶点所组成的图的连通分支集合；通过根据各子社交集合和对应的连通分支集合，得到各第一顶点的中心性，从而根据内部集合和外部集合得到第一顶点的中心性，并选取中心性满足预设中心性要求的顶点作为中心顶点。本实施例提供的中心顶点的确定方法充分考虑到内部集合与外部集合对第一顶点中心性的影响，使得中心顶点的确定更为准确。
附图说明
图1是本发明实施例一提供的一种社交网络中中心顶点的确定方法的流程图；
图2是本发明实施例二提供的一种社交网络中中心顶点的确定方法的流程图；
图3a是本发明实施例三提供的一种社交网络中中心顶点的确定方法的流程图；
图3b是本发明实施例提供的一种社交网络的结构示意图；
图4是本发明实施例四提供的一种社交网络中中心顶点的确定装置的结构示意图；
图5是本发明实施例五提供的一种电子设备的结构示意图。
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1是本发明实施例一提供的一种社交网络中中心顶点的确定方法的流程图，本实施例可适用于在社交网络中确定中心顶点的情况，本实施例充分考虑不同集合对顶点的中心性的影响，提供了一种新的社交网络中中心顶点的确定方法。本实施例提供的方法可以由社交网络中中心顶点的确定装置来执行，该装置可以由硬件和/或软件构成，并一般集成在电子设备中，具体包括如下步骤：
S110、在社交网络中，确定具有目标属性的多个第一顶点。
本实施例中的社交网络指人与人之间基于社交活动而形成的关系网络。利用计算机来处理社交网络时，会将整个社交网络看作是一个图的结构，每个人就是图中的顶点，人与人之间的关系就是顶点之间的边。例如，人与人之间的关系包括存在于对方的通信录中、发生过通话或者存在业务往来。
本实施例中，社交网络包括多个具有目标属性的顶点和至少一个不具有目标属性的顶点。其中，顶点的属性为顶点对应的用户的属性。具有目标属性的顶点是社交网络中感兴趣的顶点，例如目标属性为认证用户，用户A是认证用户，则用户A对应的顶点为具有认证用户属性的顶点。
除了多个具有目标属性的顶点外，社交网络还包括至少一个不具有目标属性的顶点，可选地，不具有目标属性的顶点可以是具有除目标属性之外的属性的顶点或者不具有任何属性的顶点。例如，用户B是注册用户，而不是认证用户，则用户B对应的顶点为具有注册用户属性的顶点，亦即不具有认证用户属性的顶点。又例如，用户C不具备任何属性，则认为用户C对应的顶点为不具有认证用户属性的顶点。
本实施例中，首先在社交网络中确定全部具有目标属性的顶点作为第一顶点，并对各第一顶点执行S120-S140，以计算出各第一顶点的中心性。值得说明的是，对各第一顶点执行S120和S140时，可以串行执行，也可以并行执行。
S120、确定分别包含各第一顶点的各子社交集合。
其中，子社交集合包括第一顶点以及其他顶点。优选地，其他顶点是与第一顶点关联的、具有目标属性的顶点。在一具体实施方式中，确定与各第一顶点关联的、具有目标属性的至少一个第二顶点，并将至少一个第二顶点和对应的第一顶点构成子社交集合。
为了方便描述并避免歧义，下面以多个第一顶点中的第j个第一顶点为例，说明包含第j个第一顶点的子社交集合的构成方法。本领域技术人员能够依此得知包含多个第一顶点中的其他顶点的子社交集合的构成方法，此处不再赘述。
可选地，确定分别与各第一顶点关联的、具有目标属性的各第二顶点集合，将各第二顶点集合和对应的第一顶点构成各子社交集合。首先确定与该第一顶点关联的顶点。在确定与该第一顶点关联的顶点之后，在关联的顶点中确定具有目标属性的顶点，作为第二顶点。第二顶点的数量为至少一个，为了方便描述与区分，将至少一个第二顶点的总体称为第二顶点集合。接着，将第二顶点集合和该第一顶点构成子社交集合。
其中，与该第一顶点关联的顶点可以是与该第一顶点直接连接的顶点。其中，与该第一顶点直接连接的顶点又称为该第一顶点的邻接点，用adj(·)表示。与该第一顶点直接连接的顶点与该第一顶点的关系最为密切，这样构成的子社交集合与现实生活中的社交群几乎吻合。
S130、确定分别与各子社交集合关联的、不具有目标属性的顶点所组成的图的连通分支集合。
为了方便描述并避免歧义，下面同样以多个第一顶点中的第j个第一顶点为例，说明第j个第一顶点对应的连通分支集合的确定方法。
可选地，首先确定第j个第一顶点对应的子社交集合中的任一顶点关联的顶点，在任一顶点关联的顶点中确定不具有目标属性的顶点。这些不具有目标属性的点组成的图中包括至少一个连通分支，将至少一个连通分支的总体称为连通分支集合。
其中，与子社交集合中的任一顶点关联的顶点可以是与子社交集合中的任一顶点直接连接的顶点，其中，对于直接连接的顶点的相关描述详见前述内容，此处不再赘述。
S140、根据各子社交集合和对应的连通分支集合，得到各第一顶点的中心性。
本实施例中，结合子社交集合和对应的连通分支集合这两个因素，计算第一顶点的中心性。在一可选实施方式中，结合各子社交集合的中心性指标和对应的连通分支集合的相应中心性指标，例如二者进行加权求和或者相乘，得到各第一顶点的中心性。其中，中心性指标包括但不限于度中心性、亲近中心性、向量特征中心性等。
S150、在多个第一顶点中，选取中心性满足预设中心性要求的顶点作为中心顶点。
研发人员可以自主设置预设中心性要求，可选地，在多个第一顶点中，选取中心性最大的顶点作为中心顶点；或者，在多个第一顶点中，选取中心性大于等于中心性阈值的顶点作为中心顶点。如果中心性大于等于中心性阈值的顶点有多个，则从中任选一个顶点作为中心顶点，或者，从中选取中心性最大的顶点作为中心顶点。
其中，中心性阈值可以根据顶点在社交网络中的重要程度来设置，中心性阈值越大，则选取的中心顶点在社交网络中的重要程度越高。
本实施例中，通过在社交网络中，确定具有目标属性的多个第一顶点，并确定分别包含各第一顶点的子社交集合，与各子社交集合关联的、不具有目标属性的顶点所组成的图的连通分支集合；通过根据各子社交集合和对应的连通分支集合，得到各第一顶点的中心性，从而根据内部集合和外部集合得到第一顶点的中心性，并选取中心性满足预设中心性要求的顶点作为中心顶点。本实施例提供的中心顶点的确定方法充分考虑到内部集合与外部集合对第一顶点中心性的影响，使得中心顶点的确定更为准确。
实施例二
图2是本发明实施例二提供的一种社交网络中中心顶点的确定方法的流程图，包括以下步骤：
S210、在社交网络中，确定具有目标属性的多个第一顶点。
S220、确定分别包含各第一顶点的各子社交集合。
S230、确定分别与各子社交集合关联的、不具有目标属性的顶点所组成的图的连通分支集合。
S240、计算各子社交集合的集聚度。
子社交集合的集聚度指子社交集合中顶点的集聚程度。可选地，可以采用该第一顶点的度(即第一顶点连接的边的个数)作为子社交集合的集聚度，还可以采用第一顶点与子社交集合中第二顶点的平均路径长度作为子社交集合的集聚度，还可以采用集聚系数计算子社交集合的集聚系数，并将集聚系数作为集聚度。
具体地，在图论中，集聚系数(Clustering coefficient)是图中的顶点倾向于集聚在一起的程度的一种度量。集聚系数包括顶点集聚系数和网络集聚系数，其中，顶点集聚系数用于计算一顶点在网络中的集聚程度，而网络集聚系数用于计算整个网络的集聚程度。本实施例中，子社交集合的集聚系数指第一顶点在子社交集合中的集聚系数，则优选地，采用顶点集聚系数进行计算。
具体地，根据顶点集聚系数
Figure GDA0002949038990000081
计算包含第j个第一顶点的子社交集合Mj的集聚系数。
其中，i,j表示顶点标号，具体地，j表示第一顶点的标号，i表示第二顶点的标号。||Mj||表示子社交集合Mj中的顶点数量，Vij表示子社交集合Mj中第j个第一顶点和第i个第二顶点之间的边，如果第j个第一顶点和第i个第二顶点之间存在边，则Vij＝1，如果第j个第一顶点和第i个第二顶点之间不存在边，则Vij＝0。基于此，
Figure GDA0002949038990000082
表示子社交集合Mj中，第j个第一顶点与||Mj||-1个第二顶点之间的边数之和。
S250、计算各连通分支集合的集聚度。
连通分支集合的集聚度根据连通分支集合中各个连通分支的集聚度得到。例如，将各个连通分支的集聚度相加、相乘或者平均得到连通分支集合的集聚度。可选地，可以将连通分支各顶点的度相加作为连通分支的集聚度，还可以将连通分支中各顶点之间的平均路径长度作为连通分支的集聚度。
S260、根据各子社交集合的集聚度和对应的连通分支集合的集聚度，得到各第一顶点的中心性。
各子社交集合的集聚度可称为第一顶点的内部集聚度，连通分支集合的集聚度可称为第一顶点的外部集聚度。如果外部集聚度较大，说明第一顶点周围分布有大量的不具有目标属性的顶点。一方面，在图论中，这些大量的不具有目标属性的顶点也会提高第一顶点的集聚度；另一方面，在实际应用中，这些大量的不具有目标属性的顶点使得第一顶点更具应用价值。例如，第一顶点对应具有认证属性的人，而第一顶点周围分布有多个不具有认证属性的人，如果将第一顶点选取为中心顶点，并对中心顶点和子社交集合进行广告推广，可以充分发挥该顶点的广告效应和对应子社交集合的人脉效应，促进不具有认证属性的人转化为具有认证属性的人，进而扩大子社交集合的规模。
可选地，将各子社交集合的集聚度和对应的连通分支集合的集聚度加权求和或者相乘，得到各第一顶点的中心性。
可选地，还可以将各子社交集合的集聚度和对应的连通分支集合的集聚度进行加权求和，得到各第一顶点的中心性。其中，子社交集合的集聚度的权值和连通分支集合的集聚度的权值可以根据实际应用场景设置，例如在一应用场景中，更重视社交群内部的集聚度，则令子社交集合的集聚度的权值大于连通分支集合的集聚度的权值。又例如，在另一应用场景中，更重视不同属性的顶点之间的相互影响，则令连通分支集合的集聚度的权值大于子社交集合的集聚度的权值。
S270、在多个第一顶点中，选取中心性满足预设中心性要求的顶点作为中心顶点。
本实施例中，通过计算各子社交集合的集聚度，进而得到第一顶点在子社交集合中的内部集聚度；通过计算各连通分支集合的集聚度，进而得到第一顶点在社交网络中的外部集聚度；通过根据各子社交集合的集聚度和对应的连通分支集合的集聚度，得到各第一顶点的中心性，从而根据内部集聚度和外部集聚度得到第一顶点的中心性，并选取中心性满足预设中心性要求的顶点作为中心顶点。本实施例提供的中心顶点的确定方法充分考虑到不同属性的顶点之间的相互影响，使得中心顶点的确定更为准确。
实施例三
图3a是本发明实施例三提供的一种社交网络中中心顶点的确定方法的流程图，本实施例在上述实施例的各可选实施方式的基础上进一步优化，采用顶点集聚系数计算各连通分支集合中各连通分支的集聚系数，再根据各连通分支的集聚系数得到连通分支集合的集聚系数，作为连通分支集合的集聚度。具体包括以下步骤，
S310、在社交网络中，确定具有目标属性的多个第一顶点。
S320、确定分别包含各第一顶点的各子社交集合，并计算各子社交集合的集聚度。
其中，各子社交集合的构成方法和集聚度的计算方法详见上述实施例，此处不再赘述。
S330、确定分别与各子社交集合关联的、不具有目标属性的顶点所组成的图的连通分支集合。
S340、根据顶点集聚系数
Figure GDA0002949038990000111
计算第j个第一顶点对应的连通分支集合Cj中第k个连通分支的集聚系数。
其中，j表示第一顶点的标号，cliquej,k表示第j个第一顶点对应的连通分支集合中的第k个连通分支，||cliquej,k||表示连通分支cliquej,k中的顶点数量，Vpq表示连通分支cliquej,k中第p个顶点和第q个顶点之间的边，如果第p个顶点和第q 个顶点之间存在边，则Vpq＝1，如果第p个顶点和第q个顶点之间不存在边，则Vpq＝0。基于此，
Figure GDA0002949038990000112
表示连通分支cliquej,k中各个顶点之间的边数之和。
S350、根据第j个第一顶点对应的连通分支集合Cj中各连通分支的集聚系数，得到第j个第一顶点对应的连通分支集合Cj的集聚系数。
可选地，采用
Figure GDA0002949038990000113
对第j个第一顶点对应的连通分支集合Cj中各连通分支进行加权平均，得到第j个第一顶点对应的连通分支集合Cj的集聚系数；其中，||Cj||表示连通分支集合Cj中的连通分支的数量。
本步骤中，||cliquej,k||作为各连通分支的权值，也就是将连通分支中的顶点数量作为对应连通分支的权值，充分考虑连通分支的规模，计算连通分支集合的集聚度，提高连通分支集合集聚度计算的准确性。
S360、根据各子社交集合的集聚度和对应的连通分支集合的集聚度，得到各第一顶点的中心性。
可选地，将各子社交集合的集聚系数乘以对应的连通分支集合的集聚系数，得到各第一顶点的中心性。具体地，第一顶点的中心度为
Figure GDA0002949038990000121
S370、在多个第一顶点中，选取中心性满足预设中心性要求的顶点作为中心顶点。
本实施例中，通过顶点集聚系数计算连通分支的集聚系数，然后根据各连通分支的集聚系数，得到连通分支集合的集聚系数，从而提高连通分支集合的集聚度计算的准确性；进而提高中心性计算的准确性。
上述各实施例描述的是中心顶点的确定过程，在确定社交网络的中心顶点之后，还包括社交网络的划分过程。具体地，社交网络的划分过程包括以下两步：
第一步：在社交网络中，确定包含中心顶点的子社交集合。
第二步：在社交网络中剔除子社交集合，以得到更新后的社交网络，返回执行中心顶点的确定操作，即返回执行上述任一可选实施例，以及上述第一步和第二步，直到更新后的社交网络中不存在具有目标属性的顶点。
在社交网络中剔除子社交集合包括在社交网络中剔除子社交集合中的各顶点，以及与子社交集合中的各顶点的连接关系。
得到更新后的社交网络之后，判断更新后的社交网络中是否包括具有目标属性的顶点，如果包括，则执行中心顶点的确定操作，进而从更新后的社交网络中，确定具有目标属性的中心顶点，接着执行后续步骤。如此，可得到又一子社交集合。如果不包括，说明更新后的社交网络中，已不存在感兴趣的顶点，无需再进行划分。进一步地，可以将社交网络中的剩余顶点构成外部集合。由于此时的社交网络中已不存在具有目标属性的顶点，可以认为社交网络中的剩余顶点均为不具有目标属性的顶点，则将剩余的不具有目标属性的顶点构成外部集合。
本实施例中，通过在社交网络中，确定具有目标属性的第一顶点，并确定包含第一顶点的子社交集合，进而从社交网中划分出包含第一顶点的局部社交群，通过在社交网络中剔除子社交集合，以得到更新后的社交网络；返回执行第一顶点的确定操作，直到社交网络中不存在具有目标属性的顶点，从而在社交网络中划分出多个局部社交群，符合现实生活中社交群分散的分布特征，进一步提高社交网络划分的准确性。
进一步地，通过确定与所述第一顶点关联的、具有目标属性的至少一个第二顶点，并将至少一个第二顶点和所述第一顶点构成子社交集合，从而划分出以第一顶点为中心且均具有目标属性的局部社交群，正是由于以第一顶点为中心且第二顶点与第一顶点具有关联关系，又均具有目标属性，使得这个局部社交群更符合现实生活中的社交群，社交网络划分方法更加准确。
在一可选实施方式中，在确定包含中心顶点的子社交集合之后，还包括：在与子社交集合中任一顶点关联的顶点中，确定不具有目标属性的第三顶点；在与第三顶点关联的顶点中，确定具有目标属性的、不在子社交集合中的至少一个第四顶点；在至少一个第四顶点中选取满足预设要求的顶点，划分至子社交集合中。
本实施例中，在形成子社交集合之后，将与子社交集合关联的、具有目标属性的且不在子社交集合中的顶点划分至子社交集合中，以对子社交集合进一步扩大，减少子社交集合的数量，进而减少计算量；同时，对子社交集合进一步完善，以更贴近现实生活中的社交群。
本实施例中，由于子社交集合中的顶点可能有多个。基于此，在除子社交集合之外的社交网络中，确定与子社交集合中任意一个顶点关联的顶点，作为第三顶点。可选地，与子社交集合中任意一个顶点关联的顶点可以为与子社交集合中任意一个顶点直接连接的顶点。相应地，与第三顶点关联的顶点可以为与第三顶点直接连接的顶点。
在一示例中，如图3b所示，顶点A是子社交集合中的一顶点，顶点A连接不具有目标属性的顶点B，顶点B连接具有目标属性的顶点C和顶点D，以及不具有目标属性的顶点E。首先，确定与顶点A直接连接的顶点中，确定不具有目标属性的顶点B。与顶点B直接连接的顶点包括顶点A、顶点C、顶点 D和顶点E，这4个顶点中，顶点C和顶点D具有目标属性且不在子社交集合中，则将顶点C和顶点D作为第四顶点。
研发人员可以自主设置预设要求，例如，可以将全部第四顶点划分至子社交集合中，也可以任意选取预设数量的第四顶点划分至子社交集合中。
具体地，在社交网络中，确定具有目标属性的顶点构成的目标网络；在所述目标网络中，计算各第四顶点与所述第一顶点的路径长度；选取与所述第一顶点的路径长度满足长度要求的顶点，划分至所述子社交集合中。其中，目标网络中顶点之间的连接关系与社交网络中对应顶点的连接关系相同。在目标网络中，第四顶点与第一顶点的路径上均为具有目标属性的顶点。本实施例中，相连顶点之间的边具有相同的权重，基于此，第四顶点与第一顶点的路径长度指第四顶点与顶点之间最短路径包含的边数。可选地，研发人员可以自主设置预设要求，例如将与第一顶点的路径长度小于等于长度阈值的第四顶点划分至子社交集合中。其中长度阈值设为3、4、5等。又例如，将与第一顶点的路径长度最短的第四顶点划分至子社交集合中。
这样，虽然第四顶点与子社交集合间隔有不具有目标属性的第三顶点，但是，第四顶点与子社交集合具有关联关系，且第三顶点与第四顶点也具有关联关系，使得第四顶点与子社交集合较近，能够划分至子社交集合中。
本实施例中，通过在与子社交集合中任一顶点关联的顶点中，确定不具有目标属性的第三顶点；在与所述第三顶点关联的顶点中，确定具有目标属性的、不在所述子社交集合中的至少一个第四顶点；在至少一个第四顶点中选取满足预设要求的顶点，划分至所述子社交集合中，从而对子社交集合进一步扩大，减少子社交集合的数量，进而减少计算量；同时，对子社交集合进一步完善，以更贴近现实生活中的社交群；通过将与第一顶点的路径长度小于等于长度阈值的第四顶点划分至子社交集合中，或者将与第一顶点的路径长度最短的第四顶点划分至子社交集合中，保证划分至子社交集合中的第四顶点与第一顶点的距离足够近，提高子社交集合划分的准确性。
在一可选实施方式中，在确定具有目标属性的多个第一顶点之前，还包括：在所述社交网络中，剔除具有目标属性的孤立顶点和/或叶子顶点。
具体地，判断社交网络中是否存在具有目标属性的孤立顶点和/或叶子顶点，如果是，即社交网络中存在具有目标属性的孤立顶点和/或叶子顶点，则在社交网络中，剔除具有目标属性的孤立顶点和/或叶子顶点。如果否，即社交网络中不存在具有目标属性的孤立顶点和/或叶子顶点，则判断社交网络中是否存在具有目标属性的顶点。如果是，即社交网络中存在具有目标属性的顶点，则在社交网络中，确定具有目标属性的第一顶点。如果否，即社交网络中不存在具有目标属性的顶点，则结束本次操作，或者同时将社交网络中的剩余顶点构成外部集合。
其中，孤立顶点指度为0的顶点，叶子顶点指度为1的顶点。由于孤立顶点不与任何顶点连接，叶子顶点仅与一个顶点连接，连接关系过于简单，如果孤立顶点或者叶子顶点被选为第一顶点，会导致构成的子社交集合中只有一两个顶点，没有实际意义。而且，在计算集聚系数时，可能会出错。基于此，在确定第一顶点之前，将具有目标属性的孤立顶点和/或叶子顶点剔除。
本实施例中，通过剔除具有目标属性的孤立顶点和/或叶子顶点，避免子社交集合中只有一两个顶点，也就保证了子社交集合中包括足够数量的顶点，使得子社交集合具有实际意义。
在上述各实施例的基础上，在完成社交网络的划分之后，由于用户之间相互影响和扩散，用户可能由不具有目标属性转化为具有目标属性。例如，原注册用户A在认证用户B的促进下，转化为认证用户。为了促进这种有利转化，本实施例向促进这种有利转化的用户提供预设元素，以进行激励。
具体地，在更新后的社交网络中不存在具有目标属性的顶点之后，还包括：获取由不具有目标属性转化为具有目标属性的第五顶点；获取所述第五顶点关联的子社交集合；将预设元素提供至子社交集合中各顶点对应的用户。
可选地，间隔预设时长，例如一周、10天、一个月，重新获取原不具有目标属性的顶点的现有属性，如果顶点由不具有目标属性转化为具有目标属性，将其作为第五顶点。继而，获取第五顶点关联的、具有目标属性的顶点所在的子社交集合作为第五顶点关联的子社交集合。其中，第五顶点关联的顶点为与第五顶点直接连接的顶点。可选地，预设元素可以为礼品、服务、金钱等。
进一步可选地，将预设元素提供至子社交集合中各顶点对应的用户，包括：获取所述第一顶点对应的第一激励系数和所述子社交集合中其它顶点对应的第二激励系数；将与第一激励系数匹配的预设元素提供至第一顶点对应的用户；将与第二激励系数匹配的预设元素提供至子社交集合中其它顶点对应的用户。其中，第一激励系数大于第二激励系数，相应地，与第一激励系数匹配的预设元素的价值大于与第二激励系数匹配的预设元素的价值。从而按照第一顶点至子社交集合中其他顶点有偿激励递减的方式，最大化发挥第一顶点对应用户的广告人效应、其他顶点与外部集合之间的关系效应和人脉效应。
实施例四
图4是本发明实施例四提供的一种社交网络中中心顶点的确定装置的结构示意图，包括：第一确定模块41、第二确定模块42、第三确定模块43、处理模块44和选取模块45。
第一确定模块41，用于在社交网络中，确定具有目标属性的多个第一顶点；
第二确定模块42，用于确定分别包含各第一顶点的各子社交集合；
第三确定模块43，用于确定分别与各子社交集合关联的、不具有目标属性的顶点所组成的图的连通分支集合；
处理模块44，用于根据各子社交集合和对应的连通分支集合，得到各第一顶点的中心性；
选取模块45，用于在多个第一顶点中，选取中心性满足预设中心性要求的顶点作为中心顶点。
本实施例中，通过在社交网络中，确定具有目标属性的多个第一顶点，并确定分别包含各第一顶点的子社交集合，与各子社交集合关联的、不具有目标属性的顶点所组成的图的连通分支集合；通过根据各子社交集合和对应的连通分支集合，得到各第一顶点的中心性，从而根据内部集合和外部集合得到第一顶点的中心性，并选取中心性满足预设中心性要求的顶点作为中心顶点。本实施例提供的中心顶点的确定方法充分考虑到内部集合与外部集合对第一顶点中心性的影响，使得中心顶点的确定更为准确。
在一可选实施方式中，第二确定模块42在确定分别包含各第一顶点的各子社交集合时，具体用于：确定分别与各第一顶点关联的、具有目标属性的各第二顶点集合，将各第二顶点集合和对应的第一顶点构成各子社交集合。
在一可选实施方式中，选取模块45在多个第一顶点中，选取中心性满足预设中心性要求的顶点作为中心顶点时，具体用于：在多个第一顶点中，选取中心性最大的顶点作为中心顶点；或者，在多个第一顶点中，选取中心性大于等于中心性阈值的顶点作为中心顶点。
在一可选实施方式中，处理模块44在根据各子社交集合和对应的连通分支集合，得到各第一顶点的中心性时，具体用于：计算各子社交集合的集聚度；计算各连通分支集合的集聚度；根据各子社交集合的集聚度和对应的连通分支集合的集聚度，得到各第一顶点的中心性。
在一可选实施方式中，处理模块44在计算各子社交集合的集聚度时，具体用于：根据顶点集聚系数
Figure GDA0002949038990000181
计算第j个第一顶点对应的子社交集合Mj的集聚系数。
其中，j表示第一顶点的标号，i表示第二顶点的标号。||Mj||表示子社交集合Mj中的顶点数量，Vij表示子社交集合Mj中第j个第一顶点和第i个第二顶点之间的边，
Figure GDA0002949038990000191
表示子社交集合Mj中，第j个第一顶点与||Mj||-1个第二顶点之间的边数之和。
在一可选实施方式中，处理模块44在计算各连通分支集合的集聚度时，具体用于：根据顶点集聚系数
Figure GDA0002949038990000192
计算第 j个第一顶点对应的连通分支集合Cj中第k个连通分支的集聚系数；根据第j个第一顶点对应的连通分支集合Cj中各连通分支的集聚系数，得到第j个第一顶点对应的连通分支集合Cj的集聚系数；
其中，j表示第一顶点的标号，cliquej,k表示第j个第一顶点对应的连通分支集合中的第k个连通分支，||cliquej,k||表示连通分支cliquej,k中的顶点数量，Vpq表示连通分支cliquej,k中第p个顶点和第q个顶点之间的边，
Figure GDA0002949038990000193
表示连通分支cliquej,k中各个顶点之间的边数之和。
在一可选实施方式中，处理模块44在根据第j个第一顶点对应的连通分支集合Cj中各连通分支的集聚系数，得到第j个第一顶点对应的连通分支集合Cj的集聚系数时，具体用于：采用
Figure GDA0002949038990000194
对第j个第一顶点对应的连通分支集合Cj中各连通分支进行加权平均，得到第j个第一顶点对应的连通分支集合Cj的集聚系数；其中，||Cj||表示连通分支集合Cj中的连通分支的数量。
本发明实施例所提供的社交网络中中心顶点的确定装置可执行本发明任意实施例所提供的社交网络中中心顶点的确定方法，具备执行方法相应的功能模块和有益效果。
实施例五
图5是本发明实施例五提供的一种电子设备的结构示意图，如图5所示，该电子设备包括处理器50、存储器51；电子设备中处理器50的数量可以是一个或多个，图5中以一个处理器50为例；电子设备中的处理器50、存储器51 可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器51作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的社交网络中中心顶点的确定方法对应的程序指令/模块(例如，社交网络中中心顶点的确定装置中的第一确定模块41、第二确定模块42、第三确定模块43、处理模块44和选取模块45)。处理器50 通过运行存储在存储器51中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述的社交网络中中心顶点的确定方法。
存储器51可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器51可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器51可进一步包括相对于处理器50远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实施例六
本发明实施例六还提供一种其上存储有计算机程序的计算机可读存储介质，计算机程序在由计算机处理器执行时用于执行一种社交网络中中心顶点的确定方法，该方法包括：
在社交网络中，确定具有目标属性的多个第一顶点；
确定分别包含各第一顶点的各子社交集合；
确定分别与各子社交集合关联的、不具有目标属性的顶点所组成的图的连通分支集合；
根据各子社交集合和对应的连通分支集合，得到各第一顶点的中心性；
在多个第一顶点中，选取中心性满足预设中心性要求的顶点作为中心顶点。
当然，本发明实施例所提供的一种其上存储有计算机程序的计算机可读存储介质，其计算机程序不限于如上的方法操作，还可以执行本发明任意实施例所提供的社交网络中中心顶点的确定方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器 (Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
值得注意的是，上述社交网络中中心顶点的确定装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
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 (10)

1.一种社交网络中中心顶点的确定方法，其特征在于，包括：
在社交网络中，确定具有目标属性的多个第一顶点；
确定分别包含各第一顶点的各子社交集合，其中所述子社交集合包括第一顶点及其他顶点，所述其他顶点是该子社交集合内与第一顶点关联的顶点；
确定分别与各子社交集合关联的、不具有目标属性的顶点所组成的图的连通分支集合；
根据各子社交集合和对应的连通分支集合，得到各第一顶点的中心性，从而根据内部集合和外部集合得到第一顶点的中心性；
在多个第一顶点中，选取中心性满足预设中心性要求的顶点作为中心顶点。
2.根据权利要求1所述的方法，其特征在于，所述确定分别包含各第一顶点的各子社交集合，包括：
确定分别与各第一顶点关联的、具有目标属性的各第二顶点集合，将各第二顶点集合和对应的第一顶点构成各子社交集合。
3.根据权利要求2所述的方法，其特征在于，所述在多个第一顶点中，选取中心性满足预设中心性要求的顶点作为中心顶点，包括：
在多个第一顶点中，选取中心性最大的顶点作为中心顶点；或者，
在多个第一顶点中，选取中心性大于等于中心性阈值的顶点作为中心顶点。
4.根据权利要求2或3任一项所述的方法，其特征在于，所述根据各子社交集合和对应的连通分支集合，得到各第一顶点的中心性，包括：
计算各子社交集合的集聚度；
所述子社交集合的集聚度为所述子社交集合中顶点的集聚程度；
计算各连通分支集合的集聚度；
所述连通分支集合的集聚度根据连通分支集合中各个连通分支的集聚度得到；
根据各子社交集合的集聚度和对应的连通分支集合的集聚度，得到各第一顶点的中心性。
5.根据权利要求4所述的方法，其特征在于，所述计算各子社交集合的集聚度，包括：
根据顶点集聚系数
Figure FDA0002949038980000021
计算第j个第一顶点对应的子社交集合Mj的集聚系数；
其中，j表示第一顶点的标号，i表示第二顶点的标号，||Mj||表示子社交集合Mj中的顶点数量，Vij表示子社交集合Mj中第j个第一顶点和第i个第二顶点之间的边，
Figure FDA0002949038980000022
表示子社交集合Mj中，第j个第一顶点与||Mj||-1个第二顶点之间的边数之和。
6.根据权利要求4所述的方法，其特征在于，计算各连通分支集合的集聚度，包括：
根据顶点集聚系数
Figure FDA0002949038980000023
计算第j个第一顶点对应的连通分支集合Cj中第k个连通分支的集聚系数；
根据第j个第一顶点对应的连通分支集合Cj中各连通分支的集聚系数，得到第j个第一顶点对应的连通分支集合Cj的集聚系数；
其中，j表示第一顶点的标号，cliquej,k表示第j个第一顶点对应的连通分支集合中的第k个连通分支，||cliquej,k||表示连通分支cliquej,k中的顶点数量，Vpq表示连通分支cliquej,k中第p个顶点和第q个顶点之间的边，
Figure FDA0002949038980000031
表示连通分支cliquej,k中各个顶点之间的边数之和。
7.根据权利要求6所述的方法，其特征在于，所述根据第j个第一顶点对应的连通分支集合Cj中各连通分支的集聚系数，得到第j个第一顶点对应的连通分支集合Cj的集聚系数，包括：
采用
Figure FDA0002949038980000032
对第j个第一顶点对应的连通分支集合Cj中各连通分支进行加权平均，得到第j个第一顶点对应的连通分支集合Cj的集聚系数；
其中，||Cj||表示连通分支集合Cj中的连通分支的数量。
8.一种社交网络中中心顶点的确定装置，其特征在于，包括：
第一确定模块，用于在社交网络中，确定具有目标属性的多个第一顶点；
第二确定模块，用于确定分别包含各第一顶点的各子社交集合，其中所述子社交集合包括第一顶点及其他顶点，所述其他顶点是该子社交集合内与第一顶点关联的顶点；
第三确定模块，用于确定分别与各子社交集合关联的、不具有目标属性的顶点所组成的图的连通分支集合；
处理模块，用于根据各子社交集合和对应的连通分支集合，得到各第一顶点的中心性，从而根据内部集合和外部集合得到第一顶点的中心性；
选取模块，用于在多个第一顶点中，选取中心性满足预设中心性要求的顶点作为中心顶点。
9.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的社交网络中中心顶点的确定方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的社交网络中中心顶点的确定方法。
CN201811137653.9A 2018-09-28 2018-09-28 社交网络中中心顶点的确定方法、装置、设备及存储介质 Active CN109460490B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201811137653.9A CN109460490B (zh) 2018-09-28 2018-09-28 社交网络中中心顶点的确定方法、装置、设备及存储介质
US16/615,324 US11487818B2 (en) 2018-09-28 2018-11-06 Method, apparatus, device and storage medium for determining a central vertex in a social network
PCT/CN2018/114106 WO2020062450A1 (zh) 2018-09-28 2018-11-06 社交网络中中心顶点的确定方法、装置、设备及存储介质
JP2019563091A JP6852193B2 (ja) 2018-09-28 2018-11-06 ソーシャルネットワークにおける中心頂点の確定方法、装置、デバイスおよび記憶媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811137653.9A CN109460490B (zh) 2018-09-28 2018-09-28 社交网络中中心顶点的确定方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN109460490A CN109460490A (zh) 2019-03-12
CN109460490B true CN109460490B (zh) 2021-05-04

Family

ID=65607070

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811137653.9A Active CN109460490B (zh) 2018-09-28 2018-09-28 社交网络中中心顶点的确定方法、装置、设备及存储介质

Country Status (4)

Country Link
US (1) US11487818B2 (zh)
JP (1) JP6852193B2 (zh)
CN (1) CN109460490B (zh)
WO (1) WO2020062450A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115797871A (zh) * 2022-12-22 2023-03-14 廊坊师范学院 一种幼儿同伴社会网络的分析方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103177382A (zh) * 2013-03-19 2013-06-26 武汉大学 微博平台上的关键传播路径和中心节点的探测方法
CN103227731A (zh) * 2013-04-23 2013-07-31 西北工业大学 基于改进“结构洞”的复杂网络节点重要性局部计算方法
CN104050245A (zh) * 2014-06-04 2014-09-17 江苏大学 一种基于活跃度的社交网络影响力最大化方法
CN105184653A (zh) * 2015-09-08 2015-12-23 苏州大学 一种面向社交网络的基于信任的众包工人筛选方法
CN105723402A (zh) * 2013-10-25 2016-06-29 西斯摩斯公司 用于确定社交数据网络中的影响者的系统和方法
CN106327343A (zh) * 2016-08-24 2017-01-11 云南大学 社交网络影响传播中初始用户选取方法
CN108009933A (zh) * 2016-10-27 2018-05-08 中国科学技术大学先进技术研究院 图中心性计算方法及装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101084496B (zh) * 2004-05-04 2012-11-21 波士顿咨询集团公司 用于选择、分析以及将相关数据库记录可视化为网络的方法
JP2008052494A (ja) * 2006-08-24 2008-03-06 Sony Corp ネットワーク分析支援装置および方法、プログラム並びに記録媒体
US20120124099A1 (en) * 2010-11-12 2012-05-17 Lisa Ellen Stewart Expert system for subject pool selection
CN102202012B (zh) * 2011-05-30 2015-01-14 中国人民解放军总参谋部第五十四研究所 通信网络的社团划分方法与系统
US9294576B2 (en) 2013-01-02 2016-03-22 Microsoft Technology Licensing, Llc Social media impact assessment
US10318583B2 (en) * 2013-03-15 2019-06-11 The Board Of Trustees Of The Leland Stanford Junior University Systems and methods for recommending relationships within a graph database
EP2916268A1 (en) * 2014-03-05 2015-09-09 Fujitsu Limited A computer-implemented k-shortest path finding method
US9892210B2 (en) 2014-10-31 2018-02-13 Microsoft Technology Licensing, Llc Partial graph incremental update in a social network
US20170214589A1 (en) * 2016-01-27 2017-07-27 Linkedin Corporation Identifying gateway members between groups in social networks
CN105975532A (zh) 2016-04-29 2016-09-28 南京邮电大学 一种基于属性图中的冰山顶点集的查询方法
CN108122168B (zh) 2016-11-28 2020-11-13 中国科学技术大学先进技术研究院 社交活动网络中种子节点筛选方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103177382A (zh) * 2013-03-19 2013-06-26 武汉大学 微博平台上的关键传播路径和中心节点的探测方法
CN103227731A (zh) * 2013-04-23 2013-07-31 西北工业大学 基于改进“结构洞”的复杂网络节点重要性局部计算方法
CN105723402A (zh) * 2013-10-25 2016-06-29 西斯摩斯公司 用于确定社交数据网络中的影响者的系统和方法
CN104050245A (zh) * 2014-06-04 2014-09-17 江苏大学 一种基于活跃度的社交网络影响力最大化方法
CN105184653A (zh) * 2015-09-08 2015-12-23 苏州大学 一种面向社交网络的基于信任的众包工人筛选方法
CN106327343A (zh) * 2016-08-24 2017-01-11 云南大学 社交网络影响传播中初始用户选取方法
CN108009933A (zh) * 2016-10-27 2018-05-08 中国科学技术大学先进技术研究院 图中心性计算方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于社区发现好友推荐算法的研究与实现;白立稳;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180715(第07(2018)期);第I138-1914页 *
复杂网络社团检测算法及其应用研究;王玙;《中国博士学位论文全文数据库 基础科学辑》;20150115(第01(2015)期);第A002-19页 *

Also Published As

Publication number Publication date
US20210334311A1 (en) 2021-10-28
CN109460490A (zh) 2019-03-12
US11487818B2 (en) 2022-11-01
WO2020062450A1 (zh) 2020-04-02
JP6852193B2 (ja) 2021-03-31
JP2021502617A (ja) 2021-01-28

Similar Documents

Publication Publication Date Title
TWI743428B (zh) 目標用戶群體的確定方法和裝置
CN111506801B (zh) 一种应用App中子应用的排序方法及装置
CN112214499B (zh) 图数据处理方法、装置、计算机设备和存储介质
CN105630800B (zh) 一种节点重要性排序的方法和系统
CN111371767B (zh) 恶意账号识别方法、恶意账号识别装置、介质及电子设备
CN109766454A (zh) 一种投资者分类方法、装置、设备及介质
CN111401700A (zh) 一种数据分析方法、装置、计算机系统及可读存储介质
CN113609345B (zh) 目标对象关联方法和装置、计算设备以及存储介质
CN111723292A (zh) 基于图神经网络的推荐方法、系统、电子设备及存储介质
CN108959516A (zh) 会话消息处理方法和装置
CN111127062B (zh) 一种基于空间搜索算法的群体欺诈识别方法及装置
CN112669143A (zh) 基于关联网络的风险评估方法、装置、设备以及存储介质
CN111259931B (zh) 一种用户分组以及活跃度确定方法及系统
CN109460490B (zh) 社交网络中中心顶点的确定方法、装置、设备及存储介质
CN114862065B (zh) 社工任务规划方法、装置、电子设备及存储介质
CN107402984B (zh) 一种基于主题的分类方法及装置
CN109885745A (zh) 一种用户画像方法、装置、可读存储介质及终端设备
CN109712012B (zh) 社交网络划分方法、装置、设备及存储介质
CN113448876B (zh) 一种业务测试方法、装置、计算机设备及存储介质
CN109886299A (zh) 一种用户画像方法、装置、可读存储介质及终端设备
CN109784406A (zh) 一种用户画像方法、装置、可读存储介质及终端设备
CN113255966B (zh) 一种考虑偏好和独立地点的众包任务匹配方法
CN115391666A (zh) 医院在线推荐方法、装置、计算机设备和存储介质
CN110210884A (zh) 确定用户特征数据的方法、装置、计算机设备及存储介质
CN111026816B (zh) 基于知识图谱的高净值客户群识别方法、装置及存储介质

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40004286

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant