CN110738577B - 社区发现方法、装置、计算机设备和存储介质 - Google Patents
社区发现方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110738577B CN110738577B CN201910843820.XA CN201910843820A CN110738577B CN 110738577 B CN110738577 B CN 110738577B CN 201910843820 A CN201910843820 A CN 201910843820A CN 110738577 B CN110738577 B CN 110738577B
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- community
- label
- adjacent
- 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
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—Systems or methods specially adapted for 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
Abstract
本申请涉及大数据处理领域,具体是一种社区发现方法、装置、计算机设备和存储介质。所述方法包括:从关联数据库中提取关联数据,根据关联数据建立包括节点集群和向量的关系网络图,按照预先设置的更新规则对关系网络图中的每个节点的类别标签进行更新,并记录每个节点更新后的类别标签,得到更新后的节点集群;从更新后的节点集群中确定出类别标签发生变化的目标节点,并统计目标节点在所述更新后的节点集群中的比例值;判断比例值是否小于等于预设阀值;若比例值小于等于预设阀值,则将更新后的类别标签相同的节点聚类为一个社区,将聚类完成的社区发送给终端进行显示。采用本方法能够提高所发现的社区的稳定性,从而提高所发现社区的准确性。
Description
技术领域
本申请涉及大数据处理技术领域,特别是涉及一种社区发现方法、装置、计算机设备和存储介质。
背景技术
在复杂的社会关系网络结构中,社区发现对社会关系特征分析具有重要意义。社区关系网络结构中的主体、主体与主体之间的关系构成图数据。图数据由节点和边组成,图中的节点表示发生连接的主体,边表示主体之间的关联。图数据内部连接比较紧密的节点子集合对应的子图叫做社区(community),对给定的图数据寻找其社区结构的过程称为“社区发现”。大体上看,社区发现的过程就是一种聚类的过程。
目前的社区发现普遍使用的方法是标准的类别标签传播算法,通过预设迭代次数作为类别标签传播算法的终止条件。类别标签传播方法为一种分布式的社团发现方法,其核心思想是预设迭代次数,在首次迭代时,为所有类别标签指定一个唯一类别标签;在每次迭代刷新时,对于某一个节点,考察其所有邻居节点的类别标签,并进行统计,将出现个数最多的那个类别标签赋给当前节点,当个数最多的类别标签不唯一时,随机选一个,直到达到预设迭代次数后,将相同类别标签的节点聚类为一个社区。
由于当出现最多类别标签不唯一时,采用的策略是随机选择,导致类别标签更新结果存在诸多不确定性,并且通过设置迭代次数控制算法终止,导致社区发现结果充满不稳定性。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高社区发现结果稳定性,提高社区归类的准确性的社区发现方法、装置、计算机设备和存储介质。
一种社区发现方法,包括
从关联数据库中提取关联数据,所述关联数据包括至少两个身份标识以及所述至少两个身份标识之间的关系记录;
根据所述关联数据建立包括节点集群和向量的关系网络图,所述节点集群中的每个节点用于表征所述身份标识,所述向量用于表征所述关系记录;
为所述关系网络图中的每个所述节点建立对应的类别标签;
按照预先设置的更新规则对所述关系网络图中的每个所述节点的类别标签进行更新,并记录每个所述节点更新后的类别标签,得到更新后的节点集群;
从所述更新后的节点集群中确定出类别标签发生变化的目标节点,并统计所述目标节点在所述更新后的节点集群中的比例值;
比例值判断所述比例值是否小于等于预设阀值;
若所述比例值小于等于所述预设阀值,则将更新后的类别标签相同的节点聚类为一个社区,将聚类完成的社区发送至终端进行显示。
在其中一个实施例中,所述方法还包括:
若所述比例值大于所述预设阀值,则对所述关系网络图中的每个所述节点的类别标签再次进行更新,直至更新后所述类别标签发生变化的节点的数量对应的比例值小于等于所述预设阀值;
将更新后的类别标签相同的节点聚类为一个社区,将聚类完成的社区发送至终端进行显示。
在其中一个实施例中,所述根据所述关联数据建立包括节点集群和向量的关系网络图,包括:
将存在所述关系记录的所述身份标识映射为关系网络图中的节点;
将所述关系记录映射为所述关系网络图中的所述节点之间相互连接的向量;
将通过所述向量连接的两个节点之间的关系记录的数量作为连接所述两个节点的向量的权重值。
在其中一个实施例中,所述按照预先设置的更新规则对所述关系网络图中的每个所述节点的类别标签进行更新,包括:
获取节点对应的邻接节点,所述邻接节点是与所述节点存在关系记录的节点;
判断所述邻接节点中数量最多的类别标签是否为一个,若是,则通过数量最多的类别标签替换所述节点的类别标签完成更新。
在其中一个实施例中,所述方法还包括:
若所述邻接节点中数量最多的类别标签不止一个,则根据数量最多的类别标签对应的邻接节点生成邻接节点集合,获取所述邻接节点集合中与所述节点连接的权重值最大的向量对应的邻接节点是否为一个;
若所述邻接节点集合中与所述节点连接的权重值最大的向量对应的邻接节点为一个,则通过所述权重值最大的向量对应的邻接节点的类别标签替换所述节点的类别标签完成更新;
若所述邻接节点集合中与所述节点连接的权重值最大的向量对应的邻接节点不止一个,则从所述权重值最大的向量对应的邻接节点的类别标签中随机选择一个,通过随机选择的类别标签替换所述节点的类别标签完成更新。
在其中一个实施例中,所述获取节点对应的邻接节点,包括:
对每个所述节点建立邻接节点映射表,所述邻接节点映射表中存储有所述关系网络图中每个节点对应的身份标识以及每个向量对应的关系记录;
通过查询所述邻接节点映射表获取节点对应的邻接节点。
在其中一个实施例中,所述将聚类完成的社区发送至终端进行显示,聚类包括:
将每个所述节点的更新后的类别标签发送给终端,所述更新后的类别标签用于指示所述终端通过簇结构的方式显示所述节点,并将具有相同类别标签的所述节点显示为同一个簇。
一种社区发现装置,所述装置包括:
提取模块,用于从关联数据库中提取关联数据,所述关联数据包括至少两个身份标识以及所述至少两个身份标识之间的关系记录;
关系网络图建立模块,用于根据所述关联数据建立包括节点集群和向量的关系网络图,所述节点集群中的每个节点用于表征所述身份标识,所述向量用于表征所述关系记录;
标签建立模块,用于为所述关系网络图中的每个所述节点建立对应的类别标签;
更新模块,用于按照预先设置的更新规则对所述关系网络图中的每个所述节点的类别标签进行更新,并记录每个所述节点更新后的类别标签,得到更新后的节点集群;
统计模块,用于从所述更新后的节点集群中确定出类别标签发生变化的目标节点,并统计所述目标节点在所述更新后的节点集群中的比例值;
社区聚类模块,用于判断所述比例值是否小于等于预设阀值,若所述比例值小于等于所述预设阀值,则将更新后的类别标签相同的节点聚类为一个社区,将聚类完成的社区发送至终端进行显示。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
上述社区发现方法、装置、计算机设备和存储介质,通过设置预设阀值,可自动设置关系网络图达到期望的节点变化率,控制不同的关系网络图的迭代更新次数,确保分群算法终止迭代时,类别标签变化率已经处于一个较低的水平,类别标签和社群聚类已经基本稳定,避免了因为过少或过多的指定迭代次数带来的算法提前终止,或者计算资源浪费的情况,且提高了社区发现结果的稳定性,从而保证了所发现的社区的准确性。
附图说明
图1为一个实施例中社区发现方法的应用场景图;
图2为一个实施例中社区发现方法的流程示意图;
图3为一个实施例中关系网络图的结构示意图;
图4为一个实施例中社区发现装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的社区发现方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104通过网络进行通信。其中服务器104获取到服务器104存储的关联数据,并根据该关联数据进行社区发现,将所发现的社区发送给终端102进行显示,具体地,服务器104在获取到关联数据后,根据关联数据建立包括节点集群和向量的关系网络图,其中节点集群中的每个节点是用于表征身份标识的,向量是用于表征关系记录的,且为关系网络图中的每个节点建立对应的类别标签,然后按照预先设置的更新规则对类别标签进行更新,并记录每个节点更新后的类别标签得到更新后的节点集群,从而从更新后的节点集群中确定出类别标签发生变化的目标节点,并统计目标节点在所述更新后的节点集群中的比例值,这样比例值越小,说明社区越稳定,因此当比例值小于或等于预设阀值时,则可以认为社区稳定,可以将更新后的类别标签相同的节点聚类为一个社区,将所发现的社区发送给终端102进行显示,这样能够提高社区发现结果稳定性,进而提高所发现的社区的准确性。终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种社区发现方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
S202:从关联数据库中提取关联数据,关联数据包括至少两个身份标识以及至少两个身份标识之间的关系记录。根据关联数据建立包括节点集群和向量的关系网络图,关系网络图中节点集群中的每个节点包括用于表征身份标识,向量用于表征关系记录;为关系网络图中的每个节点建立对应的类别标签。
具体地,关联数据是指用于记录用户与用户之间的关系的数据,其包括用户身份标识和用于表示用户身份标识之间的关系的关系记录,该关联数据存储在关联数据库中,当服务器需要对关联数据进行处理时,则从关联数据库中提取出对应的关联数据,其中可选地,服务器可以根据用户输入的选择条件从关联数据库中提取出于选择条件对应的关联数据。关系网络图是关系数据的图形表达,其包括用于表示用户身份标识的节点和用于表示关系记录的向量。类别标签是指用于表示用户身份标识所述类别的类别标签,其可以是数字或者是字符串。其中用户身份标识是具有唯一性的,其包括但不限于是身份证号、数字编号、字母编号等。关系记录是用于表征用户身份标识之间的关系,该关系可以是用户A与用户B之间的转账记录、用户A与用户B之间存在信用卡主副关联记录、用户A为用户B的保险受益的关联记录、用户A与用户B接入过共同的网络设备的记录等。
具体地,服务器根据关联数据建立关系网络图的过程是将关联数据图形化表示的过程,其中将关联数据中的用户标识作为节点,然后根据关系记录绘制相应的向量从而完成关系网络图的绘制。服务器建立每个节点的类别标签是指对关系网络图进行初始化的过程,是指对每个节点赋予唯一的类别标签,类似于对所有节点进行随机分类成一定数量的子图,也就是说,首次迭代前通过初始化,给每个节点赋予特定的类别标签,具有相同类别标签的节点属于同一个社群,类别标签可以是数字或者是字符串。
具体地初始化的过程即为关系网络图中的每个节点建立类别标签的过程可以是根据用户标识对应的用户属性来建立对应的类别标签,例如可以根据用户标识对应的地理位置信息建立类别标签,或者是根据用户标识对应的通信数据,例如移动、联通还是电信等来建立类别标签,在此不做具体限制,可以根据用户的需要进行设置。
S204:按照预先设置的更新规则对关系网络图中的每个节点的类别标签进行更新,并记录每个节点更新后的类别标签得到更新后的节点集群。
其中,由于关联数据库中所提取的关联数据是按照用户预先设定的规则采集的,也就是说关系网络图在没有更新前,其中类别标签相同的节点是一个社区,该社区的聚类是根据用户预先设定的规则所聚类的,但是由于用户预先设定的规则是不能准确地对社区进行聚类的,即不能发现各个节点之间更深层的内在联系,由于用户的干预,并不是发现各个节点之间内在的关联,因此需要根据各个节点之间本质联系去发现各个节点之间的关联,从而发现社区。因此,在服务器生成关系网络图后,为了发现社区,服务器对根据关联数据生成的关系网络图均进行更新,其中,更新是指对关系网络图中的节点的类别标签按照预先设置的特定更新规则进行更新,该特定更新规则可以是用户预设设置的,例如服务器根据与当前节点相连接的邻接节点的类别标签进行更新,即服务器先获取到与当前节点相连接的邻接节点,然后遍历邻接节点的类别标签,再获取到遍历的类别标签中数量最多的一个类别标签,用该数量最多的一个类别标签替换当前节点的类别标签,直至关系网络图中所有的节点的类别标签更新完毕后,服务器可以记录每个节点更新后的类别标签。
S206:从更新后的节点集群中确定出类别标签发生变化的目标节点,并统计目标节点在所述更新后的节点集群中的比例值。
具体地,比例值是为关系网络图中类别标签变化的节点的数量占所有节点的数量的占比,用于表征每次更新节点集群中各节点类别标签后,目标节点数量占节点集群数量的大小程度。例如,一共有m个节点,在一次更新后,有n个节点的类别标签发生改变,那么比例值=n/m。比例值越大,节点的类别标签变化的稳定性越低,也就是在下一轮迭代更新中,发生变化的节点数量可能越多,当发生变化的节点的数量较多时,这样与当前节点邻接的邻接节点中数量最多的类别标签并不是当前节点的标签,也就是说当前节点还没有归类到与其有联系的节点数量最多的一个社区中,因此所得到的社区的代表性不强,因此为了得到一个具有代表性且稳定的社区,需要继续迭代,直至发生变化的节点数量小于一定的阀值,这样保证了社区的稳定性。
S208:判断比例值是否小于等于预设阀值,若比例值小于等于预设阀值,则将更新后的类别标签相同的节点聚类为一个社区,将聚类完成的社区发送至终端进行显示。
具体地,预设阀值是预先设置的比例值的界限值。可以通过设置预设阀值,作为关系网络图的类别标签迭代更新的终止条件,控制关系网络图的迭代更新次数。当比例值小于或等于预设阀值时,停止更新,输出每个节点的类别标签,并将相同类别标签的节点聚类为同一个社群。
具体地,若比例值大于预设阀值,则对关系网络图中的每个节点的类别标签再次进行更新,直至更新后类别标签发生变化的节点的数量对应的比例值小于等于预设阀值;将更新后的类别标签相同的节点聚类为一个社区。例如,若经过一次更新后,比例值大于预设阀值,其关系网络图中变化的类别标签较多,说明社区稳定性差,因此需要再次迭代,对类别标签进行更新,直至更新后类别标签发生变化的节点的数量对应的比例值小于等于预设阀值,说明社区稳定后,服务器才会停止迭代,并输出本次更新后的类别标签,并根据更新后的类别标签进行社区聚类,例如将类别标签相同的节点聚类为一个社区。
服务器在聚类完成后,可以将聚类完成的社区发送至终端进行显示,例如终端可以通过可视化的方式进行显示,服务器将聚类完成的社区生成表达图,然后将该表达图发送给终端,从而终端用户直接查看的是表达图,更加直观。
上述社区发现方法,通过设置预设阀值,可自动设置关系网络图达到期望的节点变化率,控制不同的关系网络图的迭代更新次数,确保分群算法终止迭代时,类别标签变化率已经处于一个较低的水平,类别标签和社群聚类已经基本稳定,避免了因为过少或过多的指定迭代次数带来的算法提前终止,或者计算资源浪费的情况,且提高了社区发现结果的稳定性。
在其中一个实施例中,根据关联数据建立包括节点集群和向量的关系网络图,包括:将存在关系记录的身份标识映射为关系网络图中的节点;将关系记录映射为关系网络图中的节点之间相互连接的向量;将通过向量连接的两个节点之间的关系记录的数量作为连接两个节点的向量的权重值。
在其中一个实施例中,按照预先设置的更新规则对关系网络图中的每个节点的类别标签进行更新,包括:获取节点对应的邻接节点,邻接节点是与节点存在关系记录的节点;判断邻接节点中数量最多的类别标签是否为一个,若是,则通过数量最多的类别标签替换节点的类别标签完成更新。
在其中一个实施例中,该方法还可以包括:若邻接节点中数量最多的类别标签不止一个,则根据数量最多的类别标签对应的邻接节点生成邻接节点集合,获取邻接节点集合中与节点连接的权重值最大的向量对应的邻接节点是否为一个;若邻接节点集合中与节点连接的权重值最大的向量对应的邻接节点为一个,则通过权重值最大的向量对应的邻接节点的类别标签替换节点的类别标签完成更新;若邻接节点集合中与节点连接的权重值最大的向量对应的邻接节点不止一个,则从权重值最大的向量对应的邻接节点的类别标签中随机选择一个,通过随机选择的类别标签替换节点的类别标签完成更新。
在其中一个实施例中,获取节点对应的邻接节点,可以包括:对每个节点建立邻接节点映射表,邻接节点映射表中存储有关系网络图中每个节点对应的身份标识以及每个向量对应的关系记录;通过查询邻接节点映射表获取节点对应的邻接节点。
首先对上文中出现的新的名词进行定义,向量是指在关系网络图中用于连接两个节点的连线,其表征了关系记录,两个用户之间的关系记录的数量越多,则这两个用户对应的节点之间的向量的权重值越大。邻接节点是指与当前节点存在关系记录的所有节点,即通过向量相与当前节点连接的所有节点。邻接节点映射表是用于存储身份标识以及身份标识之间的关系记录的表格。
具体地,参照图3,图3为一个实施例中的关系网络图的示意图。其中服务器根据关联数据生成关系网络图的步骤可以是首先按照一定的顺序提取关联数据中的身份标识,每一个身份标识映射为一个节点,例如图3中的圆圈,其次,服务器按照上一步骤中的顺序提取节点对应的关系记录,从而可以将关系记录映射为关系网络图中的节点之间相互连接的向量,这样关系网络图的初始图则形成。最后服务器可以记录两个节点之间的向量的个数,即关系记录的条数,作为两个节点之间的向量的权重值,从而两个节点之间的关系记录的数量越多,则向量的权重值越大。具体参见图3,假设节点A和节点E之间存在多个关系记录,包括转账记录、保险受益记录以及接入过共同的网络设备的记录,则节点A和节点E之间的向量的权重值为3,节点A和节点B之间的只存在一个关系记录,则节点A和节点B之间的向量的权重值为1,可选地,服务器可以将该向量的权重值标示在对应的向量上。
上述讲述了关系网络图的生成过程,下文将对关系网络图中类别标签的更新过程进行描述。继续参照图3,与节点A存在关系记录的节点包括节点B、节点E以及节点F。服务器在对关系网络图中的节点的类别标签进行更新时,首先按照一定的顺序进行节点的遍历,服务器首先对节点A的类别标签进行更新,则服务器首先获取到节点A的所有邻接节点,即节点B、节点E以及节点F,然后根据该些邻接节点对节点A的类别标签进行更新。服务器更新类别标签的中心思想是将邻接节点中数量最多的类别标签作为节点A的更新类别标签,当数量最多的类别标签不止一个时,则从数量最多的类别标签中选择权重值最大的向量对应的邻接节点的类别标签来更新节点A的类别标签,只有当权重值最大的向量的数量也不知一个时,则服务器从权重值最大的向量对应的邻接节点的类别标签中随机选择一个来对节点A的类别标签进行更新。
其中,为了方便理解,以节点A为例,节点A的邻接节点包括节点B、节点E以及节点F。在一种情况下,节点B和节点E的类别标签相同,为第一类别标签;节点F的类别标签为第二类别标签,第二类别标签与第一类别标签不相同,则服务器直接获取到节点B或者节点E的类别标签,即该第一类别标签作为节点A的类别标签即可。在另外一种情况下,假设节点B、节点E以及节点F的类别标签均不相同,即节点B为第一类别标签,节点F为第二类别标签,节点E为第三类别标签,第一类别标签、第二类别标签以及第三类别标签均不相同,此时,服务器则获取该三个邻接节点对应的向量的权重值,如上文中节点E对应的向量的权重值为3,节点B对应的向量的权重值为1,假设节点F对应的权重值为2,则此时,服务器直接获取到节点E对应的第三类别标签作为节点A的更新类别标签。在另外一种情况下,当节点F对应的权重值也为3时,即节点E和节点F对应的权重值均未3,则此时服务器获取到节点E或节点F的类别标签作为节点A的更新类别标签以完成本次节点A的类别标签的更新,同样地,服务器再按照预设的顺序去处理下一节点的类别标签更新直至整个关系网络图中的所有的节点的类别标签更新完成。
其中,服务器为了方便获取到当前节点的所有邻接节点,服务器可以建立一个邻接节点映射表,该邻接节点映射表中存储有关系网络图中每个节点对应的身份标识以及每个向量对应的关系记录,从而服务器通过查询该邻接节点映射表可以获取到当前节点对应的所有的邻接节点。
上述实施例中,通过获取用户的关联数据建立网络关系图,从用户之间的层次关联中对用户进行社群聚类。具体的,通过计算每次类别标签迭代更新后,类别标签发生变化的节点数量在所有节点中的比例值,即比例值是能够反映节点稳定性的数值,也就是说,当比例值很高,在进行下次更新时,类别标签可能发生变化的节点数量就很多。通过设置预设阀值,在每次更新后判断比例值是否满足预设阀值,当比例值小于或等于预设阀值时,停止对类别标签进行更新,将相同类别标签的节点聚类为同一个社群,当比例值大于预设阀值时,继续对所有节点的类别标签进行更新,可自动设置关系网络图达到期望的节点变化率,控制不同的关系网络图的迭代更新次数,确保分群算法终止迭代时,类别标签变化率已经处于一个较低的水平,类别标签和社群聚类已经基本稳定。
在其中一个实施例中,将聚类完成的社区发送至终端进行显示可以包括:将每个节点的更新后的类别标签发送给终端,更新后的类别标签用于指示终端通过簇结构的方式显示节点,并将具有相同类别标签的节点显示为同一个簇。
具体地,服务器将每个节点的类别标签发送至终端,终端通过簇结构的方式显示所有节点,将具有相同类别标签的节点显示为同一个簇。其中,簇结构是一种分布式的方式,通过簇结构的方式显示所有节点,将相同类别标签的节点显示为同一个簇,更加的直观的反映社区发现的结果。这样,终端的用户可以通过查看每一个簇来确定社区,以及聚类该社区的类别标签,从而使得结果更加的直观。
上述实施例中,将最后的社区聚类结果通过簇结构进行显示,可以更加的直观的反映社区发现的结果。
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种社区发现装置,包括:提取模块100、关系网络图建立模块200、标签建立模块300、更新模块400、统计模块500和社区聚类模块600,其中:
提取模块100,用于从关联数据库中提取关联数据,关联数据包括至少两个身份标识以及所述至少两个身份标识之间的关系记录;
关系网络图建立模块200,用于根据关联数据建立包括节点集群和向量的关系网络图,节点集群中的每个节点用于表征所述身份标识,向量用于表征所述关系记录;。
标签建立模块300,用于为所述关系网络图中的每个节点建立对应的类别标签;
更新模块400,用于按照预先设置的更新规则对关系网络图中的每个节点的类别标签进行更新,并记录每个节点更新后的类别标签,得到更新后的节点集群。
统计模块500,用于从更新后的节点集群中确定出类别标签发生变化的目标节点,并统计目标节点在所述更新后的节点集群中的比例值。
社区聚类模块600,用于判断比例值是否小于等于预设阀值,若比例值小于等于预设阀值,则将更新后的类别标签相同的节点聚类为一个社区,将聚类完成的社区发送至终端进行显示。
在其中一个实施例中,社区聚类模块600还用于若比例值大于预设阀值,则对关系网络图中的每个节点的类别标签再次进行更新,直至更新后类别标签发生变化的节点的数量对应的比例值小于等于预设阀值;将更新后的类别标签相同的节点聚类为一个社区。
在其中一个实施例中,关系网络图建立模块200包括:
第一映射单元,用于将存在关系记录的身份标识映射为关系网络图中的节点。
第二映射单元,用于将关系记录映射为关系网络图中的节点之间相互连接的向量。
生成单元,用于将通过向量连接的两个节点之间的关系记录的数量作为连接两个节点的向量的权重值。
在其中一个实施例中,更新模块400包括:
第一获取单元,用于获取节点对应的邻接节点,邻接节点是与节点存在关系记录的节点。
第一替换单元,用于判断邻接节点中数量最多的类别标签是否为一个,若是,则通过数量最多的类别标签替换节点的类别标签完成更新。
在其中一个实施例中,更新模块400还包括:
第二获取单元,用于若邻接节点中数量最多的类别标签不止一个,则根据数量最多的类别标签对应的邻接节点生成邻接节点集合,获取邻接节点集合中与节点连接的权重值最大的向量对应的邻接节点是否为一个。
第二替换单元,用于若邻接节点集合中与节点连接的权重值最大的向量对应的邻接节点为一个,则通过权重值最大的向量对应的邻接节点的类别标签替换节点的类别标签完成更新。
第三替换单元,用于若邻接节点集合中与节点连接的权重值最大的向量对应的邻接节点不止一个,则从权重值最大的向量对应的邻接节点的类别标签中随机选择一个,通过随机选择的类别标签替换节点的类别标签完成更新。
在其中一个实施例中,第一获取单元包括:
映射表建立单元,用于对每个节点建立邻接节点映射表,邻接节点映射表中存储有关系网络图中每个节点对应的身份标识以及每个向量对应的关系记录。
查询单元,用于通过查询邻接节点映射表获取节点对应的邻接节点。
在其中一个实施例中,所述社区聚类模块600可以包括:
发送单元,用于将每个节点的更新后的类别标签发送给终端,更新后的类别标签用于指示终端通过簇结构的方式显示节点,并将具有相同类别标签的节点显示为同一个簇。
关于社区发现装置的具体限定可以参见上文中对于社区发现方法的限定,在此不再赘述。上述社区发现装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储关联数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种社区发现方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:从关联数据库中提取关联数据,关联数据包括至少两个身份标识以及至少两个身份标识之间的关系记录;根据关联数据建立包括节点集群和向量的关系网络图,节点集群中的每个节点用于表征身份标识,向量用于表征关系记录;按照预先设置的更新规则为关系网络图中的每个节点建立对应的类别标签;对关系网络图中的每个节点的类别标签进行更新,并记录每个节点更新后的类别标签,得到更新后的节点集群;从更新后的节点集群中确定出类别标签发生变化的目标节点,并统计目标节点在所述更新后的节点集群中的比例值;判断比例值是否小于等于预设阀值;若比例值小于等于预设阀值,则将更新后的类别标签相同的节点聚类为一个社区,将聚类完成的社区发送至终端进行显示。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若比例值大于预设阀值,则对关系网络图中的每个节点的类别标签再次进行更新,直至更新后类别标签发生变化的节点的数量对应的比例值小于等于预设阀值;将更新后的类别标签相同的节点聚类为一个社区,将聚类完成的社区发送至终端进行显示。
在一个实施例中,处理器执行计算机程序时所实现的根据关联数据建立包括节点集群和向量的关系网络图,可以包括:将存在关系记录的身份标识映射为关系网络图中的节点;将关系记录映射为关系网络图中的节点之间相互连接的向量;将通过向量连接的两个节点之间的关系记录的数量作为连接两个节点的向量的权重值。
在一个实施例中,处理器执行计算机程序时所实现的按照预先设置的更新规则对关系网络图中的每个节点的类别标签进行更新,可以包括:获取节点对应的邻接节点,邻接节点是与节点存在关系记录的节点;判断邻接节点中数量最多的类别标签是否为一个,若是,则通过数量最多的类别标签替换节点的类别标签完成更新。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若邻接节点中数量最多的类别标签不止一个,则根据数量最多的类别标签对应的邻接节点生成邻接节点集合,获取邻接节点集合中与节点连接的权重值最大的向量对应的邻接节点是否为一个;若邻接节点集合中与节点连接的权重值最大的向量对应的邻接节点为一个,则通过权重值最大的向量对应的邻接节点的类别标签替换节点的类别标签完成更新;若邻接节点集合中与节点连接的权重值最大的向量对应的邻接节点不止一个,则从权重值最大的向量对应的邻接节点的类别标签中随机选择一个,通过随机选择的类别标签替换节点的类别标签完成更新。
在一个实施例中,处理器执行计算机程序时所实现的获取节点对应的邻接节点,可以包括:对每个节点建立邻接节点映射表,邻接节点映射表中存储有关系网络图中每个节点对应的身份标识以及每个向量对应的关系记录;通过查询邻接节点映射表获取节点对应的邻接节点。
在一个实施例中,处理器执行计算机程序时所实现的将聚类完成的社区发送至终端进行显示可以包括:将每个节点的更新后的类别标签发送给终端,更新后的类别标签用于指示终端通过簇结构的方式显示节点,并将具有相同类别标签的节点显示为同一个簇。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:从关联数据库中提取关联数据,关联数据包括至少两个身份标识以及至少两个身份标识之间的关系记录;根据关联数据建立包括节点集群和向量的关系网络图,节点集群中的每个节点用于表征身份标识,向量用于表征关系记录;按照预先设置的更新规则为关系网络图中的每个节点建立对应的类别标签;对关系网络图中的每个节点的类别标签进行更新,并记录每个节点更新后的类别标签,得到更新后的节点集群;从更新后的节点集群中确定出类别标签发生变化的目标节点,并统计目标节点在所述更新后的节点集群中的比例值;判断比例值是否小于等于预设阀值;若比例值小于等于预设阀值,则将更新后的类别标签相同的节点聚类为一个社区,将聚类完成的社区发送至终端进行显示。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若比例值大于预设阀值,则对关系网络图中的每个节点的类别标签再次进行更新,直至更新后类别标签发生变化的节点的数量对应的比例值小于等于预设阀值;将更新后的类别标签相同的节点聚类为一个社区,将聚类完成的社区发送至终端进行显示。
在一个实施例中,计算机程序被处理器执行时所实现的根据关联数据建立包括节点集群和向量的关系网络图,可以包括:将存在关系记录的身份标识映射为关系网络图中的节点;将关系记录映射为关系网络图中的节点之间相互连接的向量;将通过向量连接的两个节点之间的关系记录的数量作为连接两个节点的向量的权重值。
在一个实施例中,计算机程序被处理器执行时所实现的按照预先设置的更新规则对关系网络图中的每个节点的类别标签进行更新,可以包括:获取节点对应的邻接节点,邻接节点是与节点存在关系记录的节点;判断邻接节点中数量最多的类别标签是否为一个,若是,则通过数量最多的类别标签替换节点的类别标签完成更新。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若邻接节点中数量最多的类别标签不止一个,则根据数量最多的类别标签对应的邻接节点生成邻接节点集合,获取邻接节点集合中与节点连接的权重值最大的向量对应的邻接节点是否为一个;若邻接节点集合中与节点连接的权重值最大的向量对应的邻接节点为一个,则通过权重值最大的向量对应的邻接节点的类别标签替换节点的类别标签完成更新;若邻接节点集合中与节点连接的权重值最大的向量对应的邻接节点不止一个,则从权重值最大的向量对应的邻接节点的类别标签中随机选择一个,通过随机选择的类别标签替换节点的类别标签完成更新。
在一个实施例中,计算机程序被处理器执行时所实现的获取节点对应的邻接节点,可以包括:对每个节点建立邻接节点映射表,邻接节点映射表中存储有关系网络图中每个节点对应的身份标识以及每个向量对应的关系记录;通过查询邻接节点映射表获取节点对应的邻接节点。
在一个实施例中,计算机程序被处理器执行时所实现的将聚类完成的社区发送至终端进行显示可以包括:将每个节点的更新后的类别标签发送给终端,更新后的类别标签用于指示终端通过簇结构的方式显示节点,并将具有相同类别标签的节点显示为同一个簇。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种社区发现方法,所述方法包括:
从关联数据库中提取关联数据,所述关联数据包括至少两个身份标识以及所述至少两个身份标识之间的关系记录;
根据所述关联数据建立包括节点集群和向量的关系网络图,所述节点集群中的每个节点用于表征所述身份标识,所述向量用于表征所述关系记录;
为所述关系网络图中的每个所述节点建立对应的类别标签,包括:根据用户标识对应的用户属性建立对应的类别标签;
按照预先设置的更新规则对所述关系网络图中的每个所述节点的类别标签进行更新,并记录每个所述节点更新后的类别标签,得到更新后的节点集群;
从所述更新后的节点集群中确定出类别标签发生变化的目标节点,并统计所述目标节点在所述更新后的节点集群中的比例值;
判断所述比例值是否小于等于预设阀值,即通过所述比例值确定当前社区的稳定性以判断各个节点是否归类到与其有联系的节点数量最多的一个社区中;其中,所述预设阀值为期望的节点变化率;
若所述比例值大于所述预设阀值,则对关系网络图中的每个节点的类别标签再次进行更新,直至更新后类别标签发生变化的节点的数量对应的比例值小于等于预设阀值;
若所述比例值小于等于所述预设阀值,则将更新后的类别标签相同的节点聚类为一个社区,将聚类完成的社区发送至终端进行显示;
所述按照预先设置的更新规则对所述关系网络图中的每个所述节点的类别标签进行更新,包括:
获取节点对应的邻接节点,所述邻接节点是与所述节点存在关系记录的节点;
判断所述邻接节点中数量最多的类别标签是否为一个,若是,则通过数量最多的类别标签替换所述节点的类别标签完成更新。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述比例值大于所述预设阀值,则对所述关系网络图中的每个所述节点的类别标签再次进行更新,直至更新后所述类别标签发生变化的节点的数量对应的比例值小于等于所述预设阀值;
将更新后的类别标签相同的节点聚类为一个社区,将聚类完成的社区发送至终端进行显示。
3.根据权利要求1所述的方法,其特征在于,所述根据所述关联数据建立包括节点集群和向量的关系网络图,包括:
将存在所述关系记录的所述身份标识映射为关系网络图中的节点;
将所述关系记录映射为所述关系网络图中的所述节点之间相互连接的向量;
将通过所述向量连接的两个节点之间的关系记录的数量作为连接所述两个节点的向量的权重值。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述邻接节点中数量最多的类别标签不止一个,则根据数量最多的类别标签对应的邻接节点生成邻接节点集合,获取所述邻接节点集合中与所述节点连接的权重值最大的向量对应的邻接节点是否为一个;
若所述邻接节点集合中与所述节点连接的权重值最大的向量对应的邻接节点为一个,则通过所述权重值最大的向量对应的邻接节点的类别标签替换所述节点的类别标签完成更新;
若所述邻接节点集合中与所述节点连接的权重值最大的向量对应的邻接节点不止一个,则从所述权重值最大的向量对应的邻接节点的类别标签中随机选择一个,通过随机选择的类别标签替换所述节点的类别标签完成更新。
5.根据权利要求1所述的方法,其特征在于,所述获取节点对应的邻接节点,包括:
对每个所述节点建立邻接节点映射表,所述邻接节点映射表中存储有所述关系网络图中每个节点对应的身份标识以及每个向量对应的关系记录;
通过查询所述邻接节点映射表获取节点对应的邻接节点。
6.根据权利要求1至5任意一项所述的方法,其特征在于,所述将聚类完成的社区发送至终端进行显示,聚类包括:
将每个所述节点的更新后的类别标签发送给终端,所述更新后的类别标签用于指示所述终端通过簇结构的方式显示所述节点,并将具有相同类别标签的所述节点显示为同一个簇。
7.一种社区发现装置,其特征在于,所述装置包括:
提取模块,用于从关联数据库中提取关联数据,所述关联数据包括至少两个身份标识以及所述至少两个身份标识之间的关系记录;
关系网络图建立模块,用于根据所述关联数据建立包括节点集群和向量的关系网络图,所述节点集群中的每个节点用于表征所述身份标识,所述向量用于表征所述关系记录;
标签建立模块,用于为所述关系网络图中的每个所述节点建立对应的类别标签,包括:根据用户标识对应的用户属性建立对应的类别标签;
更新模块,用于按照预先设置的更新规则对所述关系网络图中的每个所述节点的类别标签进行更新,并记录每个所述节点更新后的类别标签,得到更新后的节点集群;
统计模块,用于从所述更新后的节点集群中确定出类别标签发生变化的目标节点,并统计所述目标节点在所述更新后的节点集群中的比例值;
社区聚类模块,用于判断所述比例值是否小于等于预设阀值,即通过所述比例值确定当前社区的稳定性以判断各个节点是否归类到与其有联系的节点数量最多的一个社区中,若所述比例值大于所述预设阀值,则对关系网络图中的每个节点的类别标签再次进行更新,直至更新后类别标签发生变化的节点的数量对应的比例值小于等于预设阀值;若所述比例值小于等于所述预设阀值,则将更新后的类别标签相同的节点聚类为一个社区,将聚类完成的社区发送至终端进行显示;其中,所述预设阀值为期望的节点变化率;
所述更新模块包括:
第一获取单元,用于获取节点对应的邻接节点,所述邻接节点是与所述节点存在关系记录的节点;
第一替换单元,用于判断所述邻接节点中数量最多的类别标签是否为一个,若是,则通过数量最多的类别标签替换所述节点的类别标签完成更新。
8.根据权利要求7所述的装置,其特征在于,所述社区聚类模块还用于若所述比例值大于所述预设阀值,则对所述关系网络图中的每个所述节点的类别标签再次进行更新,直至更新后所述类别标签发生变化的节点的数量对应的比例值小于等于所述预设阀值;将更新后的类别标签相同的节点聚类为一个社区,将聚类完成的社区发送至终端进行显示。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
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,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910843820.XA CN110738577B (zh) | 2019-09-06 | 2019-09-06 | 社区发现方法、装置、计算机设备和存储介质 |
PCT/CN2020/111800 WO2021043064A1 (zh) | 2019-09-06 | 2020-08-27 | 社区发现方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910843820.XA CN110738577B (zh) | 2019-09-06 | 2019-09-06 | 社区发现方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110738577A CN110738577A (zh) | 2020-01-31 |
CN110738577B true CN110738577B (zh) | 2022-02-22 |
Family
ID=69267501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910843820.XA Active CN110738577B (zh) | 2019-09-06 | 2019-09-06 | 社区发现方法、装置、计算机设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110738577B (zh) |
WO (1) | WO2021043064A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110738577B (zh) * | 2019-09-06 | 2022-02-22 | 平安科技(深圳)有限公司 | 社区发现方法、装置、计算机设备和存储介质 |
CN111401196A (zh) * | 2020-03-10 | 2020-07-10 | 珠海全志科技股份有限公司 | 受限空间内自适应人脸聚类的方法、计算机装置及计算机可读存储介质 |
CN111639251B (zh) * | 2020-06-16 | 2023-09-29 | 李忠耘 | 信息检索方法和装置 |
CN111753154B (zh) * | 2020-06-22 | 2024-03-19 | 北京三快在线科技有限公司 | 用户数据处理方法、装置、服务器及计算机可读存储介质 |
CN111859983B (zh) * | 2020-07-23 | 2022-07-15 | 中国平安人寿保险股份有限公司 | 基于人工智能的自然语言标注方法及相关设备 |
CN112989134B (zh) * | 2021-03-29 | 2023-08-25 | 腾讯科技(深圳)有限公司 | 节点关系图的处理方法、装置、设备及存储介质 |
CN113095946B (zh) * | 2021-04-28 | 2022-10-04 | 福州大学 | 基于联邦标签传播的保险客户推荐方法及系统 |
CN115619442A (zh) * | 2022-12-21 | 2023-01-17 | 北京仁科互动网络技术有限公司 | 销售机会生成方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281664A (zh) * | 2014-09-24 | 2015-01-14 | 北京航空航天大学 | 分布式图计算系统数据切分方法和系统 |
CN106407212A (zh) * | 2015-07-31 | 2017-02-15 | 阿里巴巴集团控股有限公司 | 一种网络账户的类别确定方法、对象聚类方法及装置 |
CN106909619A (zh) * | 2017-01-16 | 2017-06-30 | 中国科学院声学研究所 | 一种基于偏移调节和竞价的混合社交网络聚类方法及系统 |
CN107529656A (zh) * | 2016-06-22 | 2018-01-02 | 腾讯科技(深圳)有限公司 | 一种社交网络社区的划分方法及服务器 |
WO2019034232A1 (en) * | 2017-08-14 | 2019-02-21 | Telefonaktiebolaget Lm Ericsson (Publ) | COMMUNITY DETECTION IN RADIO ACCESS NETWORKS HAVING CONSTRAINTS |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140047089A1 (en) * | 2012-08-10 | 2014-02-13 | International Business Machines Corporation | System and method for supervised network clustering |
CN108011735B (zh) * | 2016-10-27 | 2021-12-28 | 腾讯科技(深圳)有限公司 | 社区发现方法及装置 |
CN110738577B (zh) * | 2019-09-06 | 2022-02-22 | 平安科技(深圳)有限公司 | 社区发现方法、装置、计算机设备和存储介质 |
-
2019
- 2019-09-06 CN CN201910843820.XA patent/CN110738577B/zh active Active
-
2020
- 2020-08-27 WO PCT/CN2020/111800 patent/WO2021043064A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281664A (zh) * | 2014-09-24 | 2015-01-14 | 北京航空航天大学 | 分布式图计算系统数据切分方法和系统 |
CN106407212A (zh) * | 2015-07-31 | 2017-02-15 | 阿里巴巴集团控股有限公司 | 一种网络账户的类别确定方法、对象聚类方法及装置 |
CN107529656A (zh) * | 2016-06-22 | 2018-01-02 | 腾讯科技(深圳)有限公司 | 一种社交网络社区的划分方法及服务器 |
CN106909619A (zh) * | 2017-01-16 | 2017-06-30 | 中国科学院声学研究所 | 一种基于偏移调节和竞价的混合社交网络聚类方法及系统 |
WO2019034232A1 (en) * | 2017-08-14 | 2019-02-21 | Telefonaktiebolaget Lm Ericsson (Publ) | COMMUNITY DETECTION IN RADIO ACCESS NETWORKS HAVING CONSTRAINTS |
Also Published As
Publication number | Publication date |
---|---|
CN110738577A (zh) | 2020-01-31 |
WO2021043064A1 (zh) | 2021-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110738577B (zh) | 社区发现方法、装置、计算机设备和存储介质 | |
CN110543586B (zh) | 多重用户身份融合方法、装置、设备及存储介质 | |
CN108288208B (zh) | 基于图像内容的展示对象确定方法、装置、介质及设备 | |
CN110555164B (zh) | 群体兴趣标签的生成方法、装置、计算机设备和存储介质 | |
TWI652586B (zh) | 基於社交網路的群組查找方法和裝置 | |
CN110674144A (zh) | 用户画像生成方法、装置、计算机设备和存储介质 | |
CN110717647A (zh) | 决策流构建方法、装置、计算机设备和存储介质 | |
CN111666370A (zh) | 面向多源异构航天数据的语义索引方法和装置 | |
CN111934899A (zh) | 物联网用户信息的配置方法、装置、计算机设备 | |
CN111177481B (zh) | 用户标识映射方法及装置 | |
CN109218131B (zh) | 网络监控方法、装置、计算机设备和存储介质 | |
CN111241350A (zh) | 图数据查询方法、装置、计算机设备和存储介质 | |
CN111914101B (zh) | 档案关联关系的异常识别方法、装置和计算机设备 | |
CN115082999A (zh) | 合影图像人物分析方法、装置、计算机设备和存储介质 | |
CN109885710B (zh) | 基于差分演化算法的用户画像刻画方法及服务器 | |
CN113779248A (zh) | 数据分类模型训练方法、数据处理方法及存储介质 | |
CN111475540A (zh) | 一种用户关系网的生成方法及设备 | |
CN117609412B (zh) | 一种基于网络结构信息的空间对象关联方法及装置 | |
CN113361055B (zh) | 扩展社交网络中的隐私处理方法、装置、电子设备和存储介质 | |
CN116415237B (zh) | 风险设备识别方法、装置、计算机设备和存储介质 | |
CN113609378B (zh) | 信息推荐方法、装置、电子设备及存储介质 | |
CN114546477A (zh) | 表单配置方法、装置、可读存储介质及终端设备 | |
CN115794807A (zh) | 数据更新方法、装置、设备、存储介质和计算机程序产品 | |
CN117201078A (zh) | 恶意流量检测方法、装置、计算机设备和存储介质 | |
CN117667999A (zh) | 数据推送方法、装置、计算机设备及计算机可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |