CN110046747B - 一种面向图流的社交网络用户间路径规划方法和系统 - Google Patents

一种面向图流的社交网络用户间路径规划方法和系统 Download PDF

Info

Publication number
CN110046747B
CN110046747B CN201910209550.7A CN201910209550A CN110046747B CN 110046747 B CN110046747 B CN 110046747B CN 201910209550 A CN201910209550 A CN 201910209550A CN 110046747 B CN110046747 B CN 110046747B
Authority
CN
China
Prior art keywords
node
cur
graph
path
entering
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
CN201910209550.7A
Other languages
English (en)
Other versions
CN110046747A (zh
Inventor
赵峰
沈燏
孙浩然
金海�
桂向宇
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201910209550.7A priority Critical patent/CN110046747B/zh
Publication of CN110046747A publication Critical patent/CN110046747A/zh
Application granted granted Critical
Publication of CN110046747B publication Critical patent/CN110046747B/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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • 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)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Software Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种面向图流的社交网络用户间路径规划方法和系统，属于路径规划技术领域。本发明采用按图的结构是否变化将动态社交网络图流切分成多个静态图，保证各个静态图结构不同，使得可以在静态图上执行广度优先算法寻找局部最短路径，实现动态图的处理。本发明将每一个静态图的终点作为下一个静态图起点，从而能够将多个连续静态图上的最短路径串联起来形成一条完整的最短路径，将搜索静态图过程中到达的中间节点作为当前的图的终点，为路径规划提供暂留能力，从而考虑了由未来到达的连接边所产生的最佳路径，充分利用了图流结构变化可预测的特点。

Description

一种面向图流的社交网络用户间路径规划方法和系统
技术领域
本发明属于路径规划技术领域，更具体地，涉及一种面向图流的社交网络用户间路径规划方法和系统。
背景技术
当图是静态不变的情况，即节点和边是固定不变，有很多高效算法可以保证寻找到一条从初始点到目标点的最短路径，如Dijkstra算法通过贪心选择维护一个已找到最短路径的点的集合，并不断扩展这个集合，直到包含目的节点为止。如果可以从图中获取一些启发式信息，那么基于启发式思想的A*算法通常比Dijkstra算法更高效，A*算法将距离源节点的信息和距离目的节点的信息结合起来，从而得到一个估计路径代价的估计值，然后总是从估计代价最低的节点开始扩展，直到从目的节点开始扩展后结束扩展，并得到一条最短路径。
图流是一种结构随时间动态变化的图，目前有很多应用涉及图流，例如，在随机时间动态变化的社交网络为两个用户寻找最短距离，以此计算用户的相似性，并基于用户间的相似性为用户做推荐。这要求在动态变化的图流中寻找连接两个节点的最短路径。社交网络中可能会随时产生新的朋友关系和旧的朋友关系消失，从而使得两个目标用户间的最短距离发生变化，因此传统的Dijkstra算法和A*算法都不能应用于类似社交网络这种动态变化的图流的情况。
目前已经提出了D*算法可以用于动态图的情况，D*算法是A*算法在动态图中的扩展，它的不同之处在于A*算法的启发函数是静态的，D*算法在移动的下一节点产生变化时，动态调整当前节点的估计代价。虽然D*算法可以处理动态图的情况，但D*算法忽略了图流的重要的特点，也就是图流的动态变化是可预测的，目前已经有基于图流的链路预测方法提出，而D*算法不能充分利用预测的结果，从而无法在图流中寻找到最短路径。
发明内容
针对现有技术的缺陷，本发明的目的在于解决现有技术中未考虑到图流的结构变化是可预测的特点，从而导致无法从社交网络图流中找到源用户和目的用户之间最短路径的技术问题。
为实现上述目的，第一方面，本发明实施例提供了一种面向图流的社交网络用户间路径规划方法，该方法包括以下步骤：
S0.获取社交网络图流G，待路径规划的源用户为源节点S，待路径规划的目的用户为目的节点E；
S1.根据社交网络图的结构是否变化，将社交网络图流G划分为T个静态图，记为G1～GT，初始化每个静态图中所有节点的搜索步数step为无穷大，初始化优先队列Q为空；
S2.设定当前图序号t＝1，初始化G1的起点为图流G的源节点S，初始化S.step＝0，将S加入优先队列Q；
S3.判断t是否大于T或者图流G的目的节点是否标记为已到达或者优先队列Q是否为空，如果是，停止搜索，开始路径生成，进入步骤S6，否则，进入步骤S4；
S4.选择第t个图Gt，初始化优先队列Q′为空，从优先队列Q所包含的节点出发，采用广度优先搜索算法搜索图Gt，将搜索过程中所有遍历到的节点标记为已到达，并将规定步数内标记为已到达的节点插入Q′；
S5.将图Gt中所有已标记为已到达的节点，作为下一个图的起点，t加1，清空优先队列Q里面的所有元素，从优先队列中Q′依次弹出节点加入优先队列Q，进入步骤S3；
S6.判断图流G的目的节点E是否到达，如果是，从目的节点反向连接G1～GT中的路径至源节点S，得到一条完整的最短路径，否则，报告不存在从源节点到目的节点的路径。
具体地，步骤S1具体包括以下子步骤：
S101.初始化当前图序号t＝0，上一时间s1＝1，当前时间s2＝0；
S102.判断社交网络图流G中是否存在图数据，如果是，进入步骤S103，否则，进入步骤S106；
S103.取出当前图数据Gnow，s2加1；
S104.判断当前图序号t是否等于0或者Gnow与Gt结构是否不同，如果是，进入步骤S105，否则，进入步骤S102；
S105.t加1，计算图Gt的时间间隔Gt.Δt＝s2-s1，s1＝s2，并用Gnow更新Gt，进入步骤S102；
S106.记录当前最大的图序号T＝t。
具体地，步骤S4包括以下子步骤：
S401.计算图Gt时间间隔Δt内的最大搜索步数
Figure BDA0002000053750000031
其中，Gt.Δt为图Gt的时间间隔，cost_per_step为每步搜索需要花费的时间，并初始化优先队列Q′为空；
S402.判断优先队列Q是否为空，如果是，进入步骤S5，否则，进入步骤S403；
S403.从优先队列Q中取出队头位置节点cur_node，判断cur_node.step是否大于nax_step，如果是，进入步骤S5，否则，进入步骤S404；
S404.将cur_node标记为已到达，判断cur_node是否为目的节点E，如果是，则进入步骤S5，否则，将cur_node插入优先队列Q′，进入步骤S405；
S405.找出图Gt中所有与cur_node相邻且未标记为已到达的节点cur_node.next；
S406.对于每个未标记为已到达的节点cur_node.next，在cur_node.step+w(cur_node,cur_node.next)≤cur_node.next.step时，更新cur_node.next.step＝cur_node.step+w(cur_node,cur_node.next)，并把cur_node.next的父节点设置为cur_node，其中，w(cur_node,cur_node.next)表示cur_node与cur_node.next的搜索步数；
S407.将每个未标记为已到达的节点cur_node.next，并插入优先队列Q，进入步骤S402。
具体地，步骤S6包括以下子步骤：
S601.判断图流G的目的节点E是否已到达，如果是，则进入步骤S602，否则，报告不存在从源节点到目的节点的安全路径；
S602.创建新的空路径链表P，将E插入P中，并初始化当前节点cur_node为E；
S603.判断当前图序号t是否大于0，如果是，进入步骤S604，否则，从目的节点反向连接G1～GT中的路径至源节点，得到一条完整的从源节点S到目的节点E的路径；
S604.判断当前节点cur_node的父节点是否为空，如果是，则t减1，进入步骤S603，否则，取出cur_node的父节点cur_node.parent,并将cur_node.parent插入链表P的头部，进入步骤S605；
S605.cur_node＝cur_node.parent，进入步骤S604。
第二方面，本发明实施例提供了一种面向图流的社交网络用户间路径规划系统，所述社交网络用户间路径规划系统采用如上述第一方面所述的社交网络用户间路径规划方法。
第三方面，本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器进入时实现上述第一方面所述的社交网络用户间路径规划方法。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
1.本发明采用按图的结构是否变化将动态社交网络图流切分成多个静态图，保证各个静态图结构不同，使得可以在静态图上执行广度优先算法寻找局部最短路径，实现动态图的处理。
2.本发明将每一个静态图的终点作为下一个起点，从而能够将多个连续静态图上的最短路径串联起来形成一条完整的最短路径，将搜索静态图过程中到达的中间节点作为当前的图的终点，为路径规划提供暂留能力，从而考虑了由未来到达的连接边所产生的最佳路径，利用了图流结构变化可预测的特点。
附图说明
图1为本发明实施例提供的一种面向图流的社交网络用户间路径规划方法流程图；
图2为本发明实施例提供的步骤S1的流程图；
图3为本发明实施例提供的步骤S4的流程图；
图4为本发明实施例提供的步骤S6的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明的整体思路在于，对于随时间动态变化的图，采用按图的结构是否变化对其进行切分，从而得到多个静态图。在每个静态图上采用广度优先算法进行搜索，从而得到在每一个静态图上的局部最短路径，同时把每一个静态图的终点作为下一个静态图的起点，从而能够将多个连续静态图上的最短路径串联起来形成一条完整的最短路径。
如图1所示，本发明公开了一种面向图流的社交网络用户间路径规划方法，该方法包括以下步骤：
S0.获取社交网络图流G，待路径规划的源用户为源节点S，待路径规划的目的用户为目的节点E；
S1.根据社交网络图的结构是否变化，将社交网络图流G划分为T个静态图，记为G1～GT，初始化每个静态图中所有节点的搜索步数step为无穷大，初始化优先队列Q为空；
S2.设定当前图序号t＝1，初始化G1的起点为图流G的源节点S，初始化S.step＝0，将S加入优先队列Q；
S3.判断t是否大于T或者图流G的目的节点是否标记为已到达或者优先队列Q是否为空，如果是，停止搜索，开始路径生成，进入步骤S6，否则，进入步骤S4；
S4.选择第t个图Gt，初始化优先队列Q′为空，从优先队列Q所包含的节点出发，采用广度优先搜索算法搜索图Gt，将搜索过程中所有遍历到的节点标记为已到达，并将规定步数标记为到达的节点插入Q′；
S5.将图Gt中所有已标记为已到达的节点，作为下一个图的起点，t加1，清空优先队列Q里面的所有元素，从优先队列中Q′依次弹出节点加入优先队列Q，进入步骤S3；
S6.判断图流G的目的节点E是否到达，如果是，从目的节点反向连接G1～GT中的路径至源节点S，得到一条完整的最短路径，否则，报告不存在从源节点到目的节点的路径。
步骤S0.获取社交网络图流G，待路径规划的源用户为源节点S，待路径规划的目的用户为目的节点E。
社交网络中用户抽象为节点，用户之间的关系抽象为边，考虑到社交网络的动态变化特性，每隔一段时间检测到的社交网络图按照顺序组成图流G。
步骤S1.根据社交网络图的结构是否变化，将社交网络图流G划分为T个静态图，记为G1～GT，初始化每个静态图中所有节点的搜索步数step为无穷大，初始化优先队列Q为空。如图2所示，步骤S1具体包括以下子步骤：
S101.初始化当前图序号t＝0，上一时间s1＝1，当前时间s2＝0。
S102.判断社交网络图流G中是否存在图数据，如果是，进入步骤S103，否则，进入步骤S106。
S103.取出当前图数据Gnow，s2加1。
S104.判断当前图序号t是否等于0或者Gnow与Gt结构是否不同，如果是，进入步骤S105，否则，进入步骤S102。
S105.t加1，计算图Gt的时间间隔Gt.Δt＝s2-s1，s1＝s2，并用Gnow更新Gt，进入步骤S102。
S106.记录当前最大的图序号T＝t。
例如，图流G中包括5个时刻的社交网络图，其中，第1时刻是一种结构，第2时刻与第3时刻相同，是第二种结构，第4时刻与第5时刻相同，是第三种结构。此时，经过步骤S1，将整个图流G划分为3个静态图，分别对应社交网络图1、社交网络图2、社交网络图4。
步骤S2.设定当前图序号t＝1，初始化G1的起点为图流G的源节点S，初始化S.step＝0，将S加入优先队列Q。
步骤S3.判断t是否大于T或者图流G的目的节点是否标记为已到达或者优先队列Q是否为空，如果是，停止搜索，开始路径生成，进入步骤S6，否则，进入步骤S4。
步骤S4.选择第t个图Gt，从优先队列Q所包含的节点出发，采用广度优先搜索算法搜索图Gt，将搜索过程中所有遍历到的节点标记为已到达。如图3所示，步骤S4包括以下子步骤：
S401.计算图Gt时间间隔Δt内的最大搜索步数
Figure BDA0002000053750000081
其中，cost_per_step为每步搜索需要花费的时间，并初始化优先队列Q′为空。
S402.判断优先队列Q是否为空，如果是，进入步骤S5，否则，进入步骤S403。
S403.从优先队列Q中取出队头位置节点cur_node，判断cur_node.step是否大于nax_step，如果是，进入步骤S5，否则，进入步骤S404。
S404.将cur_node标记为已到达，判断cur_node是否为目的节点E，如果是，则进入步骤S5，否则，将cur_node插入优先队列Q′，进入步骤S405。
S405.找出图Gt中所有与cur_node相邻且未标记为已到达的节点cur_node.next。
S406.对于每个未标记为已到达的节点cur_node.next，在cur_node.step+w(cur_node,cur_node.next)≤cur_node.next.step时，更新cur_node.next.step＝cur_node.step+w(cur_node,cur_node.next)，并把cur_node.next的父节点设置为cur_node，其中，w(cur_node,cur_node.next)表示cur_node与cur_node.next的搜索步数。
S407.将每个未标记为已到达的节点cur_node.next，并插入优先队列Q，进入步骤S402。
步骤S5.将图Gt中所有已标记为已到达的节点，作为下一个图的起点，t加1，清空优先队列Q里面的所有元素，从优先队列中Q′依次弹出节点加入优先队列Q，进入步骤S3。
步骤S6.判断图流G的目的节点E是否到达，如果是，从目的节点反向连接G1～GT中的路径至源节点S，得到一条完整的最短路径，否则，报告不存在从源节点到目的节点的路径。如图4所示，步骤S6包括以下子步骤：
S601.判断图流G的目的节点E是否已到达，如果是，则进入步骤S602，否则，报告不存在从源节点到目的节点的安全路径。
S602.创建新的空路径链表P，将E插入P中，并初始化当前节点cur_node为E。
S603.判断当前图序号t是否大于0，如果是，进入步骤S604，否则，从目的节点反向连接G1～GT中的路径至源节点，得到一条完整的从源节点S到目的节点E的路径。
源节点S到目的节点E存在路径，说明源用户和目的用户之间是可达的。更进一步地，可根据路径的长度大小，来进行好友推荐等应用。
S604.判断当前节点cur_node的父节点是否为空，如果是，则t减1，进入步骤S603，否则，取出cur_node的父节点cur_node.parent,并将cur_node.parent插入链表的头部，进入步骤S605。
当前节点cur_node的父节点为空，代表同一张图中路径找完。
S605.cur_node＝cur_node.parent，进入步骤S604。
设置当前节点为其父节点。
以上，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (7)

1.一种在社交网络图流中寻找两个用户的最短路径方法，其特征在于，该方法包括以下步骤：
S0.获取社交网络图流G，待路径规划的源用户为源节点S，待路径规划的目的用户为目的节点E；
S1.根据社交网络图的结构是否变化，将社交网络图流G划分为T个静态图，记为G1～GT，初始化每个静态图中所有节点的搜索步数step为无穷大，初始化优先队列Q为空；
S2.设定当前图序号t＝1，初始化G1的起点为图流G的源节点S，初始化S.step＝0，将S加入优先队列Q；
S3.判断t是否大于T或者图流G的目的节点是否标记为已到达或者优先队列Q是否为空，如果是，停止搜索，开始路径生成，进入步骤S6，否则，进入步骤S4；
S4.选择第t个图Gt，初始化优先队列Q′为空，从优先队列Q所包含的节点出发，采用广度优先搜索算法搜索图Gt，将搜索过程中所有遍历到的节点标记为已到达，并将规定步数内标记为已到达的节点插入Q′；
S5.将图Gt中所有已标记为已到达的节点，作为下一个图的起点，t加1，清空优先队列Q里面的所有元素，从优先队列中Q′依次弹出节点加入优先队列Q，进入步骤S3；
S6.判断社交网络图流G的目的节点E是否到达，如果是，从目的节点反向连接G1～GT中的路径至源节点S，得到一条完整的源用户与目的用户之间最短路径，否则，报告不存在从源用户到目的用户的路径。
2.如权利要求1所述的方法，其特征在于，步骤S1具体包括以下子步骤：
S101.初始化当前图序号t＝0，上一时间s1＝1，当前时间s2＝0；
S102.判断社交网络图流G中是否存在图数据，如果是，进入步骤S103，否则，进入步骤S106；
S103.取出当前图数据Gnow，s2加1；
S104.判断当前图序号t是否等于0或者Gnow与Gt结构是否不同，如果是，进入步骤S105，否则，进入步骤S102；
S105.t加1，计算图Gt的时间间隔Gt.Δt＝s2-s1，s1＝s2，并用Gnow更新Gt，进入步骤S102；
S106.记录当前最大的图序号T＝t。
3.如权利要求1所述的方法，其特征在于，步骤S4包括以下子步骤：
S401.计算图Gt时间间隔Δt内的最大搜索步数
Figure FDA0003013383140000021
Figure FDA0003013383140000022
其中，Gt.Δt为图Gt的时间间隔，cost_per_step为每步搜索需要花费的时间，并初始化优先队列Q′为空；
S402.判断优先队列Q是否为空，如果是，进入步骤S5，否则，进入步骤S403；
S403.从优先队列Q中取出队头位置节点cur_node，判断cur_node.step是否大于nax_step，如果是，进入步骤S5，否则，进入步骤S404；
S404.将cur_node标记为已到达，判断cur_node是否为目的节点E，如果是，则进入步骤S5，否则，将cur_node插入优先队列Q′，进入步骤S405；
S405.找出图Gt中所有与cur_node相邻且未标记为已到达的节点cur_node.next；
S406.对于每个未标记为已到达的节点cur_node.next，在cur_node.step+w(cur_node,cur_node.next)≤cur_node.next.step时，更新cur_node.next.step＝cur_node.step+w(cur_node,cur_node.next)，并把cur_node.next的父节点设置为cur_node，其中，w(cur_node,cur_node.next)表示cur_node与cur_node.next的搜索步数；
S407.将每个未标记为已到达的节点cur_node.next，并插入优先队列Q，进入步骤S402。
4.如权利要求1所述的方法，其特征在于，步骤S6包括以下子步骤：
S601.判断图流G的目的节点E是否已到达，如果是，则进入步骤S602，否则，报告不存在从源节点到目的节点的安全路径；
S602.创建新的空路径链表P，将E插入P中，并初始化当前节点cur_node为E；
S603.判断当前图序号t是否大于0，如果是，进入步骤S604，否则，从目的节点反向连接G1～GT中的路径至源节点，得到一条完整的从源节点S到目的节点E的路径；
S604.判断当前节点cur_node的父节点是否为空，如果是，则t减1，进入步骤S603，否则，取出cur_node的父节点cur_node.parent,并将cur_node.parent插入链表P的头部，进入步骤S605；
S605.cur_node＝cur_node.parent，进入步骤S604。
5.如权利要求1所述的方法，其特征在于，得到一条完整的从源节点S到目的节点E的路径后，根据路径的长度大小，来进行好友推荐。
6.一种在社交网络图流中寻找两个用户的最短路径系统，其特征在于，所述在社交网络图流中寻找两个用户的最短路径系统采用如权利要求1至5任一项所述的在社交网络图流中寻找两个用户的最短路径方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器进入时实现如权利要求1至5任一项所述的在社交网络图流中寻找两个用户的最短路径方法。
CN201910209550.7A 2019-03-19 2019-03-19 一种面向图流的社交网络用户间路径规划方法和系统 Active CN110046747B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910209550.7A CN110046747B (zh) 2019-03-19 2019-03-19 一种面向图流的社交网络用户间路径规划方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910209550.7A CN110046747B (zh) 2019-03-19 2019-03-19 一种面向图流的社交网络用户间路径规划方法和系统

Publications (2)

Publication Number Publication Date
CN110046747A CN110046747A (zh) 2019-07-23
CN110046747B true CN110046747B (zh) 2021-07-27

Family

ID=67273894

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910209550.7A Active CN110046747B (zh) 2019-03-19 2019-03-19 一种面向图流的社交网络用户间路径规划方法和系统

Country Status (1)

Country Link
CN (1) CN110046747B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110965449B (zh) * 2019-12-23 2021-10-19 郑州大学 自动灌缝方法和装置
CN111813883B (zh) * 2020-06-23 2024-05-28 上海阿尔卡特网络支援系统有限公司 最短路径查询方法及查询系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012084398A1 (en) * 2010-12-21 2012-06-28 Mimesis Republic Systems and methods for enabling virtual social profiles
CN106027507A (zh) * 2016-05-11 2016-10-12 浙江大学软件学院（宁波）管理中心（宁波软件教育中心） 一种社交网络中匿名用户身份的识别方法
CN106909948A (zh) * 2017-03-10 2017-06-30 深圳大学 一种动态图上的增量结构聚类方法及系统
CN107622244A (zh) * 2017-09-25 2018-01-23 华中科技大学 一种基于深度图的室内场景精细化解析方法
CN107728887A (zh) * 2017-10-25 2018-02-23 陕西舜洋电子科技有限公司 互联网社交网络的信息交互系统
CN108197186A (zh) * 2017-12-26 2018-06-22 北京航空航天大学 一种应用于社交网络中的动态图匹配查询方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7724279B2 (en) * 2003-09-22 2010-05-25 Broadcom Corporation O/S application based multiple device access windowing display

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012084398A1 (en) * 2010-12-21 2012-06-28 Mimesis Republic Systems and methods for enabling virtual social profiles
CN106027507A (zh) * 2016-05-11 2016-10-12 浙江大学软件学院（宁波）管理中心（宁波软件教育中心） 一种社交网络中匿名用户身份的识别方法
CN106909948A (zh) * 2017-03-10 2017-06-30 深圳大学 一种动态图上的增量结构聚类方法及系统
CN107622244A (zh) * 2017-09-25 2018-01-23 华中科技大学 一种基于深度图的室内场景精细化解析方法
CN107728887A (zh) * 2017-10-25 2018-02-23 陕西舜洋电子科技有限公司 互联网社交网络的信息交互系统
CN108197186A (zh) * 2017-12-26 2018-06-22 北京航空航天大学 一种应用于社交网络中的动态图匹配查询方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
a framework for analysis of dynamic social networks;tanya y.Berger-wolf等;《proceedings of the 12th ACM SIGKDD international conference on knowledge discovery and data mining 》;20060831;第1-6页 *
estimate the influential level of vulnerability instance based on hybrid ranking for dynamic network attacking scenarios;heqing huang等;《10th international conference on information science,signal processing and their applicationsISSPA2010)》;20101018;第586-589页 *
on random walk based grah sampling;ronghua li等;《2015 IEEE 31st international conference on data engineering》;20150601;第927-938页 *

Also Published As

Publication number Publication date
CN110046747A (zh) 2019-07-23

Similar Documents

Publication Publication Date Title
US8259736B2 (en) Selecting a path through a network
CN110046747B (zh) 一种面向图流的社交网络用户间路径规划方法和系统
US10404576B2 (en) Constrained shortest path determination in a network
WO2016188151A1 (zh) 应用于实时合乘的最优多会合点路径搜索方法及装置
US20150327135A1 (en) Apparatus and method for dynamic hybrid routing in sdn networks to avoid congestion and balance loads under changing traffic load
US20150146655A1 (en) Distributed routing in wireless networks
CN106161230B (zh) 一种备份链路确定方法及装置
JP3945656B2 (ja) 管理ノード装置、ノード装置、ネットワーク構成管理システム、ネットワーク構成管理方法、ノード装置の制御方法、管理ノード装置の制御方法
JP2013513987A (ja) マルチホップ通信ネットワークにおける質的ルーティングのための方法、およびネットワークノード管理設備
KR101480670B1 (ko) 대용량 그래프 데이터베이스에서 최단 경로를 탐색하는 방법
EP2448191B1 (en) Method and apparatus for generating constraint route
JP5651619B2 (ja) 通信システム、経路決定装置、経路決定方法及び経路決定プログラム
CN109167833B (zh) 一种基于图的可扩展QoS感知组合方法
Kao et al. 3-D localized position-based routing with nearly certain delivery in mobile ad hoc networks
Bose et al. Bounding the locality of distributed routing algorithms
CN110019253B (zh) 一种分布式的图数据序列采样方法及装置
JP2002152252A (ja) 経路計算装置及びそれに用いる経路計算方法並びにその制御プログラムを記録した記録媒体
JP5595342B2 (ja) 複数経路探索方法及び装置
CN111447657A (zh) 一种邻居发现与广度优先算法相结合的无线网络拓扑发现方法
Hara et al. Distributed route selection under consideration of time dependency among agents’ road usage for vehicular networks
JP5001996B2 (ja) 経路計算装置、経路計算方法およびプログラム
Lee et al. Distributed event-triggered path construction in wireless sensor networks
Kuze et al. Self-organizing control mechanism based on collective decision-making for information uncertainty
Qureshi et al. A robust graph theoretic solution of routing in intelligent networks
CN103763191A (zh) 基于生成树的域内多路径生成方法

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