CN109558518A - 一种确定社交网络中社区发现的方法、装置及存储介质 - Google Patents
一种确定社交网络中社区发现的方法、装置及存储介质 Download PDFInfo
- Publication number
- CN109558518A CN109558518A CN201811276823.1A CN201811276823A CN109558518A CN 109558518 A CN109558518 A CN 109558518A CN 201811276823 A CN201811276823 A CN 201811276823A CN 109558518 A CN109558518 A CN 109558518A
- Authority
- CN
- China
- Prior art keywords
- tree
- connection
- node
- network topology
- dfs
- 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.)
- Pending
Links
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—Systems or methods specially adapted for 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)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供的确定社交网络中社区发现的方法、装置及存储介质,确定社交网络的网络拓扑,利用深度优先搜索DFS对网络拓扑进行遍历,根据遍历的次序确定DFS搜索树,对DFS搜索树按照第一预设条件处理得到3‑边连通组分,删除网络拓扑中任意一条边,利用3‑边连通组分验证所述网络拓扑中两个节点是否是3‑边连通,若为3‑边连通则确定两个节点在网络拓扑中为4‑边连通,得到4‑边连通组分,对网络拓扑构建割树,计算所述两两节点对之间的最小割,通过割树确定K‑边连通组分,所述K‑边连通组分用于表征所述社交网络中的社区。将网络特征进行了充分利用,能够进行更高效率的图连通组分计算,进而实现社交网络中社区发现的高效计算。
Description
技术领域
本发明涉及网络拓扑领域,特别涉及一种确定社交网络中社区发现的方法、装置及存储介质。
背景技术
大规模网络的连通性计算近年来是计算机领域中的一个重要研究方向。从理论上来说,大规模网络的连通性可以很好的刻画网络的一些重要特性,比如,网络顶点集合中任两个点之间的最大流/最小割是否达到某个给定的阈值。在应用方面,网络的连通性有着非常广泛而重要的应用价值。社交网络中,一些联系比较紧密的节点形成社区,因而可以利用节点间的连通性来实现社区发现。在通讯网络中,可靠性是一项非常重要的指标,用来衡量当若干链路发生故障时,通讯网络是否依然能够正常工作。很自然的,通讯网络中的顶点代表网络中的通讯节点,边代表连接两个节点的通讯链路。当某些链路或者节点发生故障时,如果网络中任意两点之间依然存在着可用通路,这个网络就依然可以正常工作。类似的,网络的连通性在交通及运输网络中也发挥着类似的作用。
给定图G=(V,E)以及参数k,k-连通组分是将图中顶点集合V划分成{V1,V2,…},每个顶点集合Vi中的任意两个顶点在图G中的边连通度都至少为k,也即两顶点间至少有k条边互不相交的路径(edge-disjoint path)。
当k值比较小时,这个问题在近年来得到了非常广泛的研究。当k=1时,k-边连通组分问题等价于寻找图中的连通分支。经过一轮深度优先搜索(DFS)或者广度优先搜索(BFS),1-边连通组分问题可以在线性时间内完成。当k=2时,Gabow给出了一个基于深度优先搜索(DFS)的线性时间算法来找到所有的2-连通组分。
针对更一般的k值,Nagamochi和Ibaraki证明了任意k-边连通图G=(V,E)都可以在O(|V|+|E|)时间内缩减到一个规模较小的k-边连通扩展子图G'=(V,E'),其中|E'|=O(k|V|)。这个结论启发我们可以在较少数量边的图中研究k-边连通问题。图G=(V,E)中任意两点间的最小割可以在O(|E|3/2)时间内计算出来;基于增广路径(augmenting paths),验证两点u和v是否有k条边互不相交的路径可以在O(k|E|)时间内完成。因此,在图G'=(V,E')中验证两点是否k-连通的复杂度为O(min{k,(k|V|)1/2}k|V|)。k-边连通组分也可以通过计算全局最小割(global minimum cut)来确定。
现有技术在解决连通组分计算问题时,主要集中在k=1和k=2,对于更高的k值,并没有将网络结构特征充分利用,计算代价比较高。
发明内容
本发明实施例提供了一种确定社交网络中社区发现的方法、装置及存储介质,将网络特征进行了更充分的利用,针对一般k值,能够进行更高效率的图连通组分计算,进而实现社交网络中社区发现的高效计算。
第一方面,本发明提供一种确定社交网络中社区发现的方法,所述方法包括:
确定社交网络的网络拓扑;
利用深度优先搜索DFS对所述网络拓扑进行遍历,并根据遍历的次序确定DFS搜索树,所述DFS搜索树包括树边和回边,其中所述树边为在DFS过程中访问未访问节点时所经过的边,所述回边为在DFS过程中遇到已访问节点时所经过的边;
对所述DFS搜索树按照第一预设条件处理得到3-边连通组分;
删除所述网络拓扑中任意一条边,利用所述3-边连通组分验证所述网络拓扑中两个节点是否是3-边连通,若为3-边连通则确定所述两个节点在所述网络拓扑中为4-边连通,得到4-边连通组分;
对所述网络拓扑构建割树,计算所述两两节点对之间的最小割,通过所述割树确定K-边连通组分,所述K-边连通组分用于表征所述社交网络中的社区。
作为一种可选的方案,所述方法还包括:
给定图G=(V,E),两点u和v之间存在有k条边互不相交的路径,u和v是k-边连通的,k-边连通组分V’是满足下述条件的顶点集合:V’中任意两个点在图G中都满足k-边连通;不存在满足V”中的任意两点在给定图G中满足k-边连通。
作为一种可选的方案,所述第一预设条件为:定义节点u在DFS树中是节点v的祖先节点,节点v及节点v的子孙节点至少存在着两条高度不低于u的回边,v1是高度最低的回边,并且节点v到这两条回边的两条路径满足边互不相交,以及节点u及节点u的子孙节点至少存在着一条回边至u1,节点u到u1的路径与上述两条路径边互不相交,并且u1的高度不低于v1,线性时间内找到给定图G中所有的3-边连通组分。
作为一种可选的方案,所述删除所述网络拓扑中任意一条边,利用所述3-边连通组分验证所述网络拓扑中两个节点是否是3-边连通,若为3-边连通则确定所述两个节点在所述网络拓扑中为4-边连通,得到4-边连通组分,包括:
删除给定图G中任意一条边(u,v),利用3-边连通组分的线性时间算法验证u和v是否3-边连通,如果是,则节点u和节点v在原始图中是4-边连通,得到4-边连通组分。
作为一种可选的方案,所述方法还包括:
在保证k-连通组分前提下减少图中边的数量,对于一个指定的k值,给定图G=(V,E)中存在着一个子图G’=(V,E’),其中|E’|=O(k|V|),对于任意两个节点u和v,若在给定图G中是k-边连通,则在子图G’中也是k-边连通,利用深度优先搜索(DFS)在线性时间内确定子图G’。
作为一种可选的方案,所述方法还包括:
在割树构建过程中,当两个节点u和v的最小割数值计算出来之后,这个数值就是割树中u到v唯一路径上边的最小值。当计算u或者v与另一节点w的最小割时,就可以知道w与u和v的相对位置信息。因此,整个割树可以通过最小割的计算构建出来。
作为一种可选的方案,所述通过所述割树确定K-边连通组分,包括:
给定图G的割树T,在割树T中去除所有权值小于k的边,将剩余的连通分量确定为k-边连通组分。
第二方面,本发明提供一种确定社交网络中社区发现的装置,所述装置包括:
确定单元,用于确定社交网络的网络拓扑;
生成单元,用于利用深度优先搜索DFS对所述网络拓扑进行遍历,并根据遍历的次序确定DFS搜索树,所述DFS搜索树包括树边和回边,其中所述树边为在DFS过程中访问未访问节点时所经过的边,所述回边为在DFS过程中遇到已访问节点时所经过的边;
处理单元,用于对所述DFS搜索树按照第一预设条件处理得到3-边连通组分;
所述处理单元还用于删除所述网络拓扑中任意一条边,利用所述3-边连通组分验证所述网络拓扑中两个节点是否是3-边连通,若为3-边连通则确定所述两个节点在所述网络拓扑中为4-边连通,得到4-边连通组分;
所述处理单元还用于对所述网络拓扑构建割树,计算所述两两节点对之间的最小割,通过所述割树确定K-边连通组分,所述K-边连通组分用于表征所述社交网络中的社区。
第三方面,本发明提供一种确定社交网络中社区发现的装置,所述装置包括:至少一个处理器、存储器和收发器;其中,所述存储器用于存储程序代码,所述处理器用于调用所述存储器中的程序代码来执行如上述确定社交网络中社区发现的方法。
第四方面,本发明提供一种计算机可读存储介质,其包括指令,当其在计算机上运行时,使得计算机执行如上述确定社交网络中社区发现的方法。
从以上技术方案可以看出,本发明实施例具有以下优点:
本发明提供的确定社交网络中社区发现的方法、装置及存储介质,确定社交网络的网络拓扑,利用深度优先搜索DFS对所述网络拓扑进行遍历,并根据遍历的次序确定DFS搜索树,所述DFS搜索树包括树边和回边,其中所述树边为在DFS过程中访问未访问节点时所经过的边,所述回边为在DFS过程中遇到已访问节点时所经过的边,对所述DFS搜索树按照第一预设条件处理得到3-边连通组分,删除所述网络拓扑中任意一条边,利用所述3-边连通组分验证所述网络拓扑中两个节点是否是3-边连通,若为3-边连通则确定所述两个节点在所述网络拓扑中为4-边连通,得到4-边连通组分,对所述网络拓扑构建割树,计算所述两两节点对之间的最小割,通过所述割树确定K-边连通组分,所述K-边连通组分用于表征所述社交网络中的社区,将网络特征进行了更充分的利用,针对一般k值,能够进行更高效率的图连通组分计算,进而实现社交网络中社区发现的高效计算。
附图说明
图1是本发明提供一种确定社交网络中社区发现的方法的流程图;
图2是本发明提供一种确定社交网络中社区发现的方法中网络拓扑的示意图;
图3是本发明提供一种确定社交网络中社区发现的方法中给定图的示意图;
图4是本发明提供一种确定社交网络中社区发现的装置的结构示意图;
图5是本发明提供一种确定社交网络中社区发现的装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
结合图1所示,本发明提供一种确定社交网络中社区发现的方法,所述方法包括:
S101、确定社交网络的网络拓扑。
社交网络即社交网络服务,用边连通组分来表示社交网络中的社区。同一社区中的节点联系比较紧密,非同一社区中节点联系相对松散,根据具体问题,设置不同的k值,进而通过k-边连通组分计算,就可以实现社区发现。
S102、利用深度优先搜索DFS对所述网络拓扑进行遍历,并根据遍历的次序确定DFS搜索树,所述DFS搜索树包括树边和回边,其中所述树边为在DFS过程中访问未访问节点时所经过的边,所述回边为在DFS过程中遇到已访问节点时所经过的边。
S103、对所述DFS搜索树按照第一预设条件处理得到3-边连通组分。
具体地,所述第一预设条件为:定义节点u在DFS树中是节点v的祖先节点,节点v及节点v的子孙节点至少存在着两条高度不低于u的回边,v1是高度最低的回边,并且节点v到这两条回边的两条路径满足边互不相交,以及节点u及节点u的子孙节点至少存在着一条回边至u1,节点u到u1的路径与上述两条路径边互不相交,并且u1的高度不低于v1,线性时间内找到给定图G中所有的3-边连通组分。
S104、删除所述网络拓扑中任意一条边,利用所述3-边连通组分验证所述网络拓扑中两个节点是否是3-边连通,若为3-边连通则确定所述两个节点在所述网络拓扑中为4-边连通,得到4-边连通组分。
删除给定图G中任意一条边(u,v),利用3-边连通组分的线性时间算法验证u和v是否3-边连通,如果是,则节点u和节点v在原始图中是4-边连通,得到4-边连通组分。
S105、对所述网络拓扑构建割树,计算所述两两节点对之间的最小割,通过所述割树确定K-边连通组分,所述K-边连通组分用于表征所述社交网络中的社区。
深度优先搜索是一种非常快速有效的算法,当对一个图应用深度优先搜索时,会形成一棵深度优先搜索树(DFS tree),图中的所有边被划分成两个集合:树边(tree edge)集合和回边(back edge)集合。所有的树边构成了一棵深度优先搜索树,而增加任意一条回边将形成一条回路(cycle)。利用这个性质,我们可以一条条的分析每一条回边来确定两点之间的连通性。当k值比较小时,深度优先搜索可以比较快的解决k-边连通问题。
割(cut)表示的是一个边的集合,当在图中去除割中的所有边,图将被划分成两个互不相连的部分。图中两点u和v之间最小割的规模就是u和v之间边互不相交路径的数量。对于k-边连通组分问题,如果两点u和v之间最小割的规模小于k,也即意味着u和v之间的边连通度小于k,u和v一定处于不同的k-边连通组分中。同时,这个分割u和v的割也将图中的点做了一个划分U和V,任一U中的点和任一V中的点之间的边连通度一定严格小于k。因而,我们可以递归的在U和V中计算k-边连通问题。经过每一步的执行,图的规模都会严格的下降,最多经过|V|-1次递归,所有的k-边连通组分都可以确定。
本发明提供的确定社交网络中社区发现的方法,包括:确定社交网络的网络拓扑,利用深度优先搜索DFS对所述网络拓扑进行遍历,并根据遍历的次序确定DFS搜索树,所述DFS搜索树包括树边和回边,其中所述树边为在DFS过程中访问未访问节点时所经过的边,所述回边为在DFS过程中遇到已访问节点时所经过的边,对所述DFS搜索树按照第一预设条件处理得到3-边连通组分,删除所述网络拓扑中任意一条边,利用所述3-边连通组分验证所述网络拓扑中两个节点是否是3-边连通,若为3-边连通则确定所述两个节点在所述网络拓扑中为4-边连通,得到4-边连通组分,对所述网络拓扑构建割树,计算所述两两节点对之间的最小割,通过所述割树确定K-边连通组分,所述K-边连通组分用于表征所述社交网络中的社区,将网络特征进行了更充分的利用,针对一般k值,能够进行更高效率的图连通组分计算,进而实现社交网络中社区发现的高效计算。
具体地,所述方法还包括:
给定图G=(V,E),两点u和v之间存在有k条边互不相交的路径,u和v是k-边连通的,k-边连通组分V’是满足下述条件的顶点集合:V’中任意两个点在图G中都满足k-边连通;不存在满足V”中的任意两点在给定图G中满足k-边连通。
具体地,所述方法还包括:
在保证k-连通组分前提下减少图中边的数量,对于一个指定的k值,给定图G=(V,E)中存在着一个子图G’=(V,E’),其中|E’|=O(k|V|),对于任意两个节点u和v,若在给定图G中是k-边连通,则在子图G’中也是k-边连通,利用深度优先搜索(DFS)在线性时间内确定子图G’。
具体地,所述方法还包括:
在割树构建过程中,当两个节点u和v的最小割数值计算出来之后,这个数值就是割树中u到v唯一路径上边的最小值。当计算u或者v与另一节点w的最小割时,就可以知道w与u和v的相对位置信息。因此,整个割树可以通过最小割的计算构建出来。
具体地,所述通过所述割树确定K-边连通组分,包括:
给定图G的割树T,在割树T中去除所有权值小于k的边,将剩余的连通分量确定为k-边连通组分。
结合图2和3所示,本发明实施例中提供的确定社交网络中社区发现的方法的另一种实施例中,所述方法包括:
定义:给定图G=(V,E),如果两点u和v之间存在有k条边互不相交的路径,我们说u和v是k-边连通的。如果G中任意两点都是k-边连通的,我们说图G是k-边连通图。边连通存在着传递性,也即,如果u与v满足k-边连通,v与w满足k-边连通,那么u与w也满足k-边连通。k-边连通组分V’是满足下述条件的顶点集合:(1)(2)V’中任意两个点在图G中都满足k-边连通;以及(3)不存在满足V”中的任意两点在G中满足k-边连通。
比如图2中,整个给定图G是2-边连通的,顶点集合V’={a,b,c,f,g}是3-边连通的。
k-边连通组分是计算给定图G=(V,E)中顶点集合V的一个划分。当k比较小时,划分的粒度比较粗,而当k增加时,划分将逐步细化。如图1所示,顶点集合V={a,b,c,d,e,f,g}满足2-边连通(同时也满足1-边连通),而3-连通组分为{{a,b,c,f,g},{d},{e}}。
可以用边连通组分来表示社交网络中的社区。同一社区中的节点联系比较紧密,非同一社区中节点联系相对松散,根据具体问题,设置不同的k值,进而通过k-边连通组分计算,就可以实现社区发现。
S1、利用DFS计算3-边连通组分。
S1.1、利用DFS确定树边和回边。其中树边为DFS生成树中的边,回边为其余的边。
如图3所示,实线边表示的是DFS树边,虚线边表示的是回边。节点u和节点v之间存在着3条边互不相交的路径:(1)树边(u,v),(2)回边至v1以及树边(v1,u),以及(3)回边至v2,树边(v2,u1),回边至u1。
S1.2当且仅当满足下述两个条件时,图中的两个节点u和v是3-边连通的,这里假设节点u在DFS树中是节点v的祖先节点:(1)节点v及其子孙节点至少存在着两条高度不低于u的回边(不失一般性,假设v1是高度最低的回边),并且节点v到这两条回边的两条路径满足边互不相交;以及(2)节点u及其子孙节点至少存在着一条回边至u1,节点u到u1的路径与上述两条路径边互不相交,并且u1的高度不低于v1。
S1.3基于S1.2中的性质,线性时间内可以找到图中所有的3-边连通组分。
S2、计算4-边连通组分。
删除任意一条边(u,v),再利用3-边连通组分的线性时间算法验证u和v是否依旧3-边连通,如果是,则节点u和节点v在原始图中是4-边连通的。这个直观的算法可以在平方时间内完成,也即O(|E|2)。
S3、计算一般k值的k-边连通组分。
将下述两个方法并行使用,任意一个结束时,k-边连通组分即被确定。
S3.1、在保证k-连通组分前提下减少图中边的数量。
对于一个指定的k值,给定图G=(V,E)中存在着一个子图G’=(V,E’),其中|E’|=O(k|V|),对于任意两个节点u和v,如果他们在给定图G中是k-边连通的,那么他们在子图G’中也是k-边连通的。这样的子图G’可以利用深度优先搜索(DFS)在线性时间内确定。因而,对于给定的k值,本步骤可以将边的数量降低到O(k|V|)。
S3.2、构建割树。
割树定义:割树的顶点为给定图中的所有顶点。任意两个节点在割树中只有一条路径相连,该路径上边的最小权值为分开这两个节点的最小割。
计算所有两两节点对之间的最小割。在割树构建过程中,当两个节点u和v的最小割数值计算出来之后,这个数值就是割树中u到v唯一路径上边的最小值。当计算u或者v与另一节点w的最小割时,就可以知道w与u和v的相对位置信息,整个割树可以通过最小割的计算构建出来。
S3.3、通过割树来确定k-边连通组分。
给定图G的割树T,在T中去除掉所有权值小于k的边,剩余的连通分量就构成了k-边连通组分。因而,割树的思想不仅仅可以解决指定的k值,也可以很高效的处理所有的k值,整个算法可以在O(k|V|2)时间内完成。
本发明提供的确定社交网络中社区发现的方法,包括:确定社交网络的网络拓扑,利用深度优先搜索DFS对所述网络拓扑进行遍历,并根据遍历的次序确定DFS搜索树,所述DFS搜索树包括树边和回边,其中所述树边为在DFS过程中访问未访问节点时所经过的边,所述回边为在DFS过程中遇到已访问节点时所经过的边,对所述DFS搜索树按照第一预设条件处理得到3-边连通组分,删除所述网络拓扑中任意一条边,利用所述3-边连通组分验证所述网络拓扑中两个节点是否是3-边连通,若为3-边连通则确定所述两个节点在所述网络拓扑中为4-边连通,得到4-边连通组分,对所述网络拓扑构建割树,计算所述两两节点对之间的最小割,通过所述割树确定K-边连通组分,所述K-边连通组分用于表征所述社交网络中的社区,将网络特征进行了更充分的利用,针对一般k值,能够进行更高效率的图连通组分计算,进而实现社交网络中社区发现的高效计算。
结合图4所示,相应地,本发明提供一种确定社交网络中社区发现的装置,所述装置包括:
确定单元401,用于确定社交网络的网络拓扑;
生成单元402,用于利用深度优先搜索DFS对所述网络拓扑进行遍历,并根据遍历的次序确定DFS搜索树,所述DFS搜索树包括树边和回边,其中所述树边为在DFS过程中访问未访问节点时所经过的边,所述回边为在DFS过程中遇到已访问节点时所经过的边;
处理单元403,用于对所述DFS搜索树按照第一预设条件处理得到3-边连通组分;
所述处理单元403还用于删除所述网络拓扑中任意一条边,利用所述3-边连通组分验证所述网络拓扑中两个节点是否是3-边连通,若为3-边连通则确定所述两个节点在所述网络拓扑中为4-边连通,得到4-边连通组分;
所述处理单元403还用于对所述网络拓扑构建割树,计算所述两两节点对之间的最小割,通过所述割树确定K-边连通组分,所述K-边连通组分用于表征所述社交网络中的社区。
本发明提供的确定社交网络中社区发现的装置,包括:确定单元401用于确定社交网络的网络拓扑;生成单元402用于利用深度优先搜索DFS对所述网络拓扑进行遍历,并根据遍历的次序确定DFS搜索树,所述DFS搜索树包括树边和回边,其中所述树边为在DFS过程中访问未访问节点时所经过的边,所述回边为在DFS过程中遇到已访问节点时所经过的边;处理单元403用于对所述DFS搜索树按照第一预设条件处理得到3-边连通组分;所述处理单元403还用于删除所述网络拓扑中任意一条边,利用所述3-边连通组分验证所述网络拓扑中两个节点是否是3-边连通,若为3-边连通则确定所述两个节点在所述网络拓扑中为4-边连通,得到4-边连通组分;所述处理单元403还用于对所述网络拓扑构建割树,计算所述两两节点对之间的最小割,通过所述割树确定K-边连通组分,所述K-边连通组分用于表征所述社交网络中的社区,将网络特征进行了更充分的利用,针对一般k值,能够进行更高效率的图连通组分计算,进而实现社交网络中社区发现的高效计算。
图5为本申请实施例提供的用于确定社交网络中社区发现的装置的一种结构示意图,其中,可包括至少一个处理器、至少一个收发器、存储器、至少一个总线。其中,至少一个处理器、至少一个收发器和存储器可通过总线或其它方式连接,其中,图5中以通过总线连接为例。
存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器(英文全称:non-volatile randomaccess memory,英文缩写:NVRAM)。存储器存储有操作系统和程序指令、可执行模块或者数据结构,或者它们的子集,或者它们的扩展集,其中,程序指令可包括各种操作指令,用于实现各种操作。操作系统可包括各种系统程序,用于实现各种基础任务以及处理基于硬件的任务。
处理器可以控制用于检测车辆信息的装置的操作,处理器还可以称为中央处理单元(英文全称:central processing unit,英文简称:CPU)。具体的应用中,用于检测车辆信息的装置的各个组件通过总线耦合在一起,其中总线除包括数据总线之外,还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见,在图5中将各种总线都可称为总线。
需要说明的是,在本申请图5所示的实施例中的获取模块对应的实体设备可以为收发器,处理模块对应的实体设备可以为处理器。图5所示的装置均可以具有如图5所示的结构,当其中一种装置具有如图5所示的结构时,图5中的处理器和收发器实现前述对应该装置的装置实施例提供的处理模块和收发模块相同或相似的功能,图5中的存储器存储处理器执行上述检测车辆信息的方法时需要调用的程序代码。其中,该收发器也可以用接收器和发送器代替,可以为相同或者不同的物理实体。为相同的物理实体时,可以统称为收发器,例如该收发器可以为射频(英文全称:radio frequency,英文简称:RF)电路。所述存储器可以集成在所述处理器中,也可以与所述处理器分开设置。
上述本申请各实施例揭示的方法可以应用于图5所示的处理器中,或者由图5所示的处理器实现。例如,在一些实施方式中,图5中的处理器可通过调用存储器存储的程序指令,上述处理器具体执行本申请实施例中的检测车辆信息的方法时需要调用的程序代码。
例如,当终端设备具有如图5所示的结构时,图5中的存储器存储处理器执行上述由终端设备执行检测车辆信息的方法时需要调用的程序代码。具体来说,图5中的处理器能够调用存储器中的程序代码执行以下操作:
确定社交网络的网络拓扑;
利用深度优先搜索DFS对所述网络拓扑进行遍历,并根据遍历的次序确定DFS搜索树,所述DFS搜索树包括树边和回边,其中所述树边为在DFS过程中访问未访问节点时所经过的边,所述回边为在DFS过程中遇到已访问节点时所经过的边;
对所述DFS搜索树按照第一预设条件处理得到3-边连通组分;
删除所述网络拓扑中任意一条边,利用所述3-边连通组分验证所述网络拓扑中两个节点是否是3-边连通,若为3-边连通则确定所述两个节点在所述网络拓扑中为4-边连通,得到4-边连通组分;
对所述网络拓扑构建割树,计算所述两两节点对之间的最小割,通过所述割树确定K-边连通组分,所述K-边连通组分用于表征所述社交网络中的社区。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读存储介质中。其中,该计算机可读存储介质可以存储计算机程序,该计算机程序在被处理器执行时,可实现上述各个方法实施例中的步骤。其中,该计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random-Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁盘或光盘等。
以上对本发明所提供的一种确定社交网络中社区发现的方法、装置及存储介质进行了详细介绍,对于本领域的一般技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种确定社交网络中社区发现的方法,其特征在于,所述方法包括:
确定社交网络的网络拓扑;
利用深度优先搜索DFS对所述网络拓扑进行遍历,并根据遍历的次序确定DFS搜索树,所述DFS搜索树包括树边和回边,其中所述树边为在DFS过程中遇到未访问节点时所经过的边,所述回边为在DFS过程中遇到已访问节点时所经过的边;
对所述DFS搜索树按照第一预设条件处理得到3-边连通组分;
删除所述网络拓扑中任意一条边,利用所述3-边连通组分验证所述网络拓扑中两个节点是否是3-边连通,若为3-边连通则确定所述两个节点在所述网络拓扑中为4-边连通,得到4-边连通组分;
对所述网络拓扑构建割树,计算所述两两节点对之间的最小割,通过所述割树确定K-边连通组分,所述K-边连通组分用于表征所述社交网络中的社区。
2.根据权利要求1所述的确定社交网络中社区发现的方法,其特征在于,所述方法还包括:
给定图G=(V,E),两点u和v之间存在有k条边互不相交的路径,u和v是k-边连通的,k-边连通组分V’是满足下述条件的顶点集合:V’中任意两个点在图G中都满足k-边连通;不存在满足V”中的任意两点在给定图G中满足k-边连通。
3.根据权利要求2所述的确定社交网络中社区发现的方法,其特征在于,所述第一预设条件为:定义节点u在DFS树中是节点v的祖先节点,节点v及节点v的子孙节点至少存在着两条高度不低于u的回边,v1是高度最低的回边,并且节点v到这两条回边的两条路径满足边互不相交,以及节点u及节点u的子孙节点至少存在着一条回边至u1,节点u到u1的路径与上述两条路径边互不相交,并且u1的高度不低于v1,线性时间内找到给定图G中所有的3-边连通组分。
4.根据权利要求3所述的确定社交网络中社区发现的方法,其特征在于,所述删除所述网络拓扑中任意一条边,利用所述3-边连通组分验证所述网络拓扑中两个节点是否是3-边连通,若为3-边连通则确定所述两个节点在所述网络拓扑中为4-边连通,得到4-边连通组分,包括:
删除给定图G中任意一条边(u,v),利用3-边连通组分的线性时间算法验证u和v是否3-边连通,如果是,则节点u和节点v在原始图中是4-边连通,得到4-边连通组分。
5.根据权利要求2所述的确定社交网络中社区发现的方法,其特征在于,所述方法还包括:
在保证k-连通组分前提下减少图中边的数量,对于一个指定的k值,给定图G=(V,E)中存在着一个子图G’=(V,E’),其中|E’|=O(k|V|),对于任意两个节点u和v,若在给定图G中是k-边连通,则在子图G’中也是k-边连通,利用深度优先搜索在线性时间内确定子图G’。
6.根据权利要求2所述的确定社交网络中社区发现的方法,其特征在于,所述方法还包括:
在割树构建过程中,当两个节点u和v的最小割数值计算出来之后,该数值即为割树中u到v唯一路径上边的最小值;当计算u或者v与另一节点w的最小割时,得到w与u和v的相对位置信息,整个割树通过计算最小割构建出来。
7.根据权利要求2所述的确定社交网络中社区发现的方法,其特征在于,所述通过所述割树确定K-边连通组分,包括:
给定图G的割树T,在割树T中去除所有权值小于k的边,将剩余的连通分量确定为k-边连通组分。
8.一种确定社交网络中社区发现的装置,其特征在于,所述装置包括:
确定单元,用于确定社交网络的网络拓扑;
生成单元,用于利用深度优先搜索DFS对所述网络拓扑进行遍历,并根据遍历的次序确定DFS搜索树,所述DFS搜索树包括树边和回边,其中所述树边为在DFS过程中访问未访问节点时所经过的边,所述回边为在DFS过程中遇到已访问节点时所经过的边;
处理单元,用于对所述DFS搜索树按照第一预设条件处理得到3-边连通组分;
所述处理单元还用于删除所述网络拓扑中任意一条边,利用所述3-边连通组分验证所述网络拓扑中两个节点是否是3-边连通,若为3-边连通则确定所述两个节点在所述网络拓扑中为4-边连通,得到4-边连通组分;
所述处理单元还用于对所述网络拓扑构建割树,计算所述两两节点对之间的最小割,通过所述割树确定K-边连通组分,所述K-边连通组分用于表征所述社交网络中的社区。
9.一种确定社交网络中社区发现的装置,其特征在于,所述装置包括:至少一个处理器、存储器和收发器;其中,所述存储器用于存储程序代码,所述处理器用于调用所述存储器中的程序代码来执行如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其包括指令,当其在计算机上运行时,使得计算机执行如权利要求1至7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811276823.1A CN109558518A (zh) | 2018-10-30 | 2018-10-30 | 一种确定社交网络中社区发现的方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811276823.1A CN109558518A (zh) | 2018-10-30 | 2018-10-30 | 一种确定社交网络中社区发现的方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109558518A true CN109558518A (zh) | 2019-04-02 |
Family
ID=65865464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811276823.1A Pending CN109558518A (zh) | 2018-10-30 | 2018-10-30 | 一种确定社交网络中社区发现的方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109558518A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111949306A (zh) * | 2020-07-06 | 2020-11-17 | 北京大学 | 一种支持开源项目碎片化学习的推送方法和系统 |
CN112825083A (zh) * | 2019-11-20 | 2021-05-21 | 深圳云天励飞技术有限公司 | 群体关系网的构建方法、装置、设备及可读存储介质 |
CN113608072A (zh) * | 2021-10-06 | 2021-11-05 | 深圳市景星天成科技有限公司 | 基于非健全条件下电力自愈快速故障定位方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708327A (zh) * | 2012-06-12 | 2012-10-03 | 天津大学 | 一种基于谱优化的网络社区发现方法 |
CN103942308A (zh) * | 2014-04-18 | 2014-07-23 | 中国科学院信息工程研究所 | 大规模社交网络社区的检测方法及装置 |
CN107844667A (zh) * | 2017-11-28 | 2018-03-27 | 国网四川省电力公司成都供电公司 | 基于割集搜索算法的自动断面搜索方法 |
CN107993156A (zh) * | 2017-11-28 | 2018-05-04 | 中山大学 | 一种基于社交网络有向图的社区发现方法 |
CN108683599A (zh) * | 2018-05-15 | 2018-10-19 | 河南工业大学 | 一种基于预处理的流通网络最大流确定方法及系统 |
-
2018
- 2018-10-30 CN CN201811276823.1A patent/CN109558518A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708327A (zh) * | 2012-06-12 | 2012-10-03 | 天津大学 | 一种基于谱优化的网络社区发现方法 |
CN103942308A (zh) * | 2014-04-18 | 2014-07-23 | 中国科学院信息工程研究所 | 大规模社交网络社区的检测方法及装置 |
CN107844667A (zh) * | 2017-11-28 | 2018-03-27 | 国网四川省电力公司成都供电公司 | 基于割集搜索算法的自动断面搜索方法 |
CN107993156A (zh) * | 2017-11-28 | 2018-05-04 | 中山大学 | 一种基于社交网络有向图的社区发现方法 |
CN108683599A (zh) * | 2018-05-15 | 2018-10-19 | 河南工业大学 | 一种基于预处理的流通网络最大流确定方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112825083A (zh) * | 2019-11-20 | 2021-05-21 | 深圳云天励飞技术有限公司 | 群体关系网的构建方法、装置、设备及可读存储介质 |
CN111949306A (zh) * | 2020-07-06 | 2020-11-17 | 北京大学 | 一种支持开源项目碎片化学习的推送方法和系统 |
CN113608072A (zh) * | 2021-10-06 | 2021-11-05 | 深圳市景星天成科技有限公司 | 基于非健全条件下电力自愈快速故障定位方法 |
CN113608072B (zh) * | 2021-10-06 | 2021-12-28 | 深圳市景星天成科技有限公司 | 基于非健全条件下电力自愈快速故障定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111867049B (zh) | 定位方法、装置及存储介质 | |
CN109784636A (zh) | 欺诈用户识别方法、装置、计算机设备及存储介质 | |
CN109558518A (zh) | 一种确定社交网络中社区发现的方法、装置及存储介质 | |
CN109451540B (zh) | 一种网络切片的资源分配方法和设备 | |
CN107611962B (zh) | 电网系统支路搜索方法、系统及电子设备 | |
CN110298687B (zh) | 一种区域吸引力评估方法及设备 | |
CN111090712A (zh) | 一种数据处理方法、装置、设备及计算机存储介质 | |
CN108259637A (zh) | 一种基于决策树的nat设备识别方法及装置 | |
CN103365886A (zh) | 车联网中的空间事件的查询方法和优化查询器 | |
CN107889183A (zh) | 数据传输方法及装置 | |
CN108647727A (zh) | 不平衡数据分类欠采样方法、装置、设备及介质 | |
CN109739433A (zh) | 数据处理的方法及终端设备 | |
CN106951615B (zh) | 基于密母算法的电力运输网络拓扑结构设计方法 | |
CN110309240A (zh) | 去除动态目标的方法和装置 | |
CN109379384A (zh) | 无线网络安全隔离方法、装置及电子设备 | |
CN109993390A (zh) | 告警关联及派单优化方法、装置、设备及介质 | |
CN108259195A (zh) | 异常事件的影响范围的确定方法及系统 | |
CN110334104A (zh) | 一种榜单更新方法、装置、电子设备及存储介质 | |
CN109871419A (zh) | 一种地图显示方法及装置 | |
CN109784795A (zh) | 库存状态计算方法、装置、设备和介质 | |
CN109240893A (zh) | 应用运行状态查询方法及终端设备 | |
CN106162668A (zh) | 确定网络参数的方法和装置 | |
CN115081122B (zh) | 板壳结构几何中面的自动抽取方法、设备及介质 | |
CN105323828A (zh) | 一种多模终端网络接入选择方法及终端 | |
CN107368923A (zh) | 景点热度预测方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190402 |
|
RJ01 | Rejection of invention patent application after publication |