CN111127230A - 动态社交圈确定方法、装置、设备及存储介质 - Google Patents
动态社交圈确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111127230A CN111127230A CN201811284093.XA CN201811284093A CN111127230A CN 111127230 A CN111127230 A CN 111127230A CN 201811284093 A CN201811284093 A CN 201811284093A CN 111127230 A CN111127230 A CN 111127230A
- Authority
- CN
- China
- Prior art keywords
- social circle
- social
- vertex
- degree
- circle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 230000002776 aggregation Effects 0.000 claims abstract description 92
- 238000004220 aggregation Methods 0.000 claims abstract description 80
- 230000008859 change Effects 0.000 claims abstract description 52
- 238000011156 evaluation Methods 0.000 claims description 25
- 230000003247 decreasing effect Effects 0.000 claims description 14
- 238000005054 agglomeration Methods 0.000 claims description 12
- 230000005484 gravity Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000009191 jumping Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010845 search algorithm Methods 0.000 description 3
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 2
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000003467 diminishing effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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动态社交圈确定方法、装置、设备及存储介质。其中，方法包括：获取当前社交网络和历史社交网络；根据当前社交网络的结构和历史社交网络的结构，确定当前社交网络相对于历史社交网络的变化对象；以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对变化对象关联的历史社交圈进行动态调整；将动态调整后的社交圈确定为当前社交网络中的社交圈。本发明实施例实时的维持社交圈结构稳定的变化，有助于提高社交圈确定的准确性。
Description
技术领域
本发明实施例涉及图论技术，尤其涉及一种动态社交圈确定方法、装置、设备及存储介质。
背景技术
随着网络社交的发展，实体与实体之间的关系发生在真实生活中和/或网络环境中。目前，一般以图论技术为支撑，将实体作为顶点，将实体之间的关系作为边，生成社交网络，以表征实体之间的社交关系。
社交网络包括至少一个社交圈，社交圈内部结构紧密，外部结构稀疏。在实际复杂网络中，实体之间的关系并不是静态的，社交网络的结构随时间而动态变化，导致社交网络中的社交圈也动态变化。现有技术中尚缺乏有效确定动态社交圈的方案。
发明内容
本发明实施例提供一种动态社交圈确定方法、装置、设备及存储介质，以实现社交圈的确定。
第一方面，本发明实施例提供了一种动态社交圈确定方法，包括：
获取当前社交网络和历史社交网络；
根据当前社交网络的结构和历史社交网络的结构，确定当前社交网络相对于历史社交网络的变化对象；
以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对变化对象关联的历史社交圈进行动态调整；
将动态调整后的社交圈确定为当前社交网络中的社交圈。
第二方面，本发明实施例还提供了一种动态社交圈确定装置，包括：
获取模块，用于获取当前社交网络和历史社交网络；
第一确定模块，用于根据当前社交网络的结构和历史社交网络的结构，确定当前社交网络相对于历史社交网络的变化对象；
调整模块，用于以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对变化对象关联的历史社交圈进行动态调整；
第二确定模块，用于将动态调整后的社交圈确定为当前社交网络中的社交圈。
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动态社交圈确定方法。
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动态社交圈确定方法。
本发明实施例中，通过获取当前社交网络和历史社交网络；根据当前社交网络的结构和历史社交网络的结构，确定当前社交网络相对于历史社交网络的变化对象；以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对变化对象关联的历史社交圈进行动态调整；将动态调整后的社交圈确定为当前社交网络中的社交圈，从而根据变化对象确定需要调整的社交圈；通过以社交圈的凝聚度满足预设要求为约束条件，保证调整后的社交圈的凝聚度均满足预设要求，从而实时的维持社交圈结构稳定的变化，有助于提高社交圈确定的准确性。
附图说明
图1a是本发明实施例一提供的一种动态社交圈确定方法的流程图；
图1b是本发明实施例一提供的第一种当前社交网络的结构示意图；
图1c是本发明实施例一提供的第二种当前社交网络的结构示意图；
图1d是本发明实施例一提供的第三种当前社交网络的结构示意图；
图1e是本发明实施例一提供的第四种当前社交网络的结构示意图；
图2a是本发明实施例二提供的一种动态社交圈确定方法的流程图；
图2b是本发明实施例二提供的一种当前社交网络的结构示意图；
图3是本发明实施例三提供的一种动态社交圈确定方法的流程图
图4是本发明实施例四提供的一种在社交网络序列中确定社交圈的流程示意图；
图5是本发明实施例五提供的一种动态社交圈确定装置的结构示意图；
图6是本发明实施例六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1a是本发明实施例一提供的一种动态社交圈确定方法的流程图，本实施例可适用于随着时间进行，社交圈出现动态变化的情况，该方法可以由动态社交圈确定装置来执行，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。结合图1a，本发明实施例提供的动态社交圈确定方法具体包括如下操作：
S110、获取当前社交网络和历史社交网络。
本实施例中，社交网络根据不同时刻的实体之间的交互行为生成。当前时刻的实体生成当前社交网络中的顶点，实体之间的交互生成顶点之间的边。上一时刻的实体生成历史社交网络中的顶点，实体之间的关系生成顶点之间的边。
实体可以是用户，例如，获取微博、贴吧、论坛等网络平台中的用户作为顶点，获取用户之间的关注、引用、发帖、回帖、发文、回复、评论、点赞等关系作为顶点之间的边。
值得说明的是，上述网络平台中的关注、引用等关系是单向的，呈现弱关系结构；而对于朋友、同事、亲属等双向亲密的关系，呈现出强关系结构。本实施例中的社交网络中的关系不限于弱关系结构和强关系结构。
本实施例中，历史社交网络包括至少一个已确定的社交圈或者还包括至少一个孤立点，两个以上的社交圈可以是重叠的或者不重叠的。当前社交网络是历史社交网络的进一步演变，将当前社交网络中与历史社交网络中相同的顶点和边，按照历史社交网络中的社交圈形成初步的社交圈，称为历史社交圈。例如，历史社交网络包括顶点A、B、C、D，且顶点A和顶点B构成社交圈1，顶点C和顶点D构成社交圈2，当前社交网络包括顶点A、B、C，则按照历史社交网络中的社交圈，顶点A和顶点B构成历史社交圈1，顶点C构成历史社交圈2或者为孤立点。又例如，当前社交圈包括顶点A、B、C、D、E，则按照历史社交网络中的社交圈，顶点A和顶点B构成历史社交圈1，顶点C和顶点D构成历史社交圈2，顶点E为增加点。
本实施例旨在对当前社交网络中，按照历史社交网络中的社交圈形成的历史社交圈进行动态调整，从而确定当前社交网络中的收敛的社交圈。
S120、根据当前社交网络的结构和历史社交网络的结构，确定当前社交网络相对于历史社交网络的变化对象。
可选地，变化对象包括增加边、增加顶点、减少边、减少顶点中的至少一种。
S130、以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对变化对象关联的历史社交圈进行动态调整。
其中，变化对象关联的历史社交圈可以指与变化对象连接的顶点所在的历史社交圈，变化对象连接的顶点包括变化对象的邻接顶点，和/或，变换对象间接连接的顶点。
例如，图1b中，增加边关联的历史社交圈为增加边在当前社交网络中的邻接顶点V1所在的历史社交圈C1，以及邻接顶点V2所在的历史社交圈C2。图1c中，增加顶点V0关联的历史社交圈为增加顶点VO的邻接顶点V1所在的历史社交圈C1，以及邻接顶点V2所在的历史社交圈C2。图1d中，减少边关联的历史社交圈为减少边在历史社交网络中的邻接顶点V4和V5所在的历史社交圈C0。值得说明的是，邻接顶点V4和V5需要同时存在与当前社交网络中，如果至少一个邻接顶点不存在与当前社交网络中，将此种情况归类为减少顶点的情况。图1e中，减少顶点V3关联的历史社交圈为减少顶点V3在历史社交网络中的邻接顶点V0、V1和V2所在的历史社交圈C0。值得说明的是，减少顶点V3与邻接顶点之间的边也要删除。
由于变化对象是与历史社交网络不同的部分，变化对象极有可能对其关联的社交圈造成影响。因此，在当前社交网络中，对变化对象关联的社交圈进行调整，调整方式包括扩大社交圈和缩减社交圈。
本实施例在动态调整社交圈的过程中，以社交圈的凝聚度满足预设要求为约束条件。其中，社交圈的凝聚度表征社交圈内部顶点之间紧密程度。例如，根据社交圈内部顶点之间的边数确定社交圈的凝聚度。可选地，社交圈的凝聚度满足预设要求包括：调整后社交圈的凝聚度大于等于调整前社交圈的凝聚度，或者调整后社交圈的凝聚度大于等于凝聚度阈值。
例如，本次对社交圈向外扩大，则扩大后的社交圈的凝聚度应满足预设要求，即扩大后的社交圈的凝聚度大于等于扩大前社交圈的凝聚度，或者扩大后的社交圈的凝聚度大于等于凝聚度阈值，否则不应向外扩大，回退到扩大前的社交圈。又例如，本次对社交圈向内缩减，则缩减后的社交圈的凝聚度应满足预设要求，即缩减后的社交圈的凝聚度大于等于缩减前社交圈的凝聚度，或者缩减前的社交圈的凝聚度大于等于凝聚度阈值，否则不应向内缩减，回退到缩减前的社交圈。
S140、将动态调整后的社交圈确定为当前社交网络中的社交圈。
可选地，对历史社交圈进行多次动态调整，直到社交圈趋于收敛，即社交圈中的顶点趋于不变，将动态调整后收敛的社交圈确定为当前社交网络中的社交圈。当然，也可以对历史社交圈进行预设次数的动态调整，将预设次数动态调整后的社交圈确定为当前社交网络中的社交圈。
可选地，在当前社交网络的范围内对社交圈进行扩大后，或者在历史社交圈的范围内对社交圈进行缩减后，将动态调整后的社交圈确定为当前社交网络中的社交圈。
本发明实施例中，通过获取当前社交网络和历史社交网络；根据当前社交网络的结构和历史社交网络的结构，确定当前社交网络相对于历史社交网络的变化对象；以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对变化对象关联的历史社交圈进行动态调整；将动态调整后的社交圈确定为当前社交网络中的社交圈，从而根据变化对象确定需要调整的社交圈；通过以社交圈的凝聚度满足预设要求为约束条件，保证调整后的社交圈的凝聚度均满足预设要求，从而实时的维持社交圈结构稳定的变化，有助于提高社交圈确定的准确性。
实施例二
本实施例在上述实施例的基础上进一步优化。可选地，将操作“以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对变化对象关联的历史社交圈进行动态调整”细化为“以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对变化对象关联的历史社交圈进行广度优先搜索”。
广度优先搜索通过已搜索到和未搜索到顶点之间的边向外扩展，例如，广度优先搜索首先搜索和一顶点S距离为1的各个顶点，接着搜索与顶点S距离为2的各个顶点，再搜索与顶点S距离为3的各个顶点，依次类推，搜索范围向广度方向逐渐扩大。
在广度优先搜索的过程中，每搜索到至少一个顶点，例如，每搜索到一个顶点、两个顶点或者三个顶点，形成包括搜索到的全部顶点的新的社交圈，搜索到的全部顶点包括当前搜索到的顶点和历史搜索到的顶点。计算新的社交圈的凝聚度，如果新的社交圈的凝聚度满足预设要求，继续进行广度优先搜索，扩大新的社交圈；如果新的社交圈的凝聚度不满足预设要求，从新的社交圈中剔除当前搜索到的顶点，并继续进行广度优先搜索。
广度优先搜索是一种向广度方向搜索的算法，而社交圈也是一种向广度方向分布的网络结构，因此，广度优先搜索算法符合社交圈的动态变化规律，能够快速、准确地对历史社交圈进行动态调整；而且，通过广度优先搜索算法结合约束条件，从而快速、准确地得到最终收敛的社交圈。
图2a是本发明实施例二提供的一种动态社交圈确定方法的流程图。根据变化对象的变化属性的不同，广度优先搜索的具体操作不同。进一步可选地，将“以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对变化对象关联的历史社交圈进行广度优先搜索”细化为“根据变化对象的变化属性确定广度优先搜索方向，并根据变化属性和历史社交圈确定起始社交圈以及搜索范围；从起始社交圈开始，按照广度优先搜索方向进行广度优先搜索，并将搜索到的新顶点加入到起始社交圈，形成新的社交圈；计算新的社交圈的凝聚度；如果新的社交圈的凝聚度满足预设要求，继续对新的社交圈进行广度优先搜索并将搜索到的新顶点加入到新的社交圈，直至遍历搜索范围内的全部顶点；如果新的社交圈的凝聚度不满足预设要求，从新的社交圈中剔除新顶点，并继续对剔除后的社交圈进行广度优先搜索并将搜索到的新顶点加入到剔除后的社交圈，直至遍历搜索范围内的全部顶点”。结合图2a，具体包括以下操作：
S210、获取当前社交网络和历史社交网络。
S220、根据当前社交网络的结构和历史社交网络的结构，确定当前社交网络相对于历史社交网络的变化对象。
S230、根据变化对象的变化属性确定广度优先搜索方向，并根据变化属性和历史社交圈确定起始社交圈以及搜索范围。
其中，增加边和增加顶点为增加属性，减少边和减少顶点为减少属性。值得说明的是，当存在一个变化对象的时候，变化对象为增加属性或者减少属性。当存在至少两个变化对象的时候，至少两个变化对象可能均为增加属性或者均为减少属性。如果有的变化对象为增加属性，有的变化对象为减少属性，则变化对象为增加属性和减少属性。
可选地，基于变化属性的不同，S230包括以下三种可选实施方式。
第一种可选实施方式：对应增加属性的情况，具体地，根据变化对象的增加属性确定广度优先搜索方向为向社交圈外，并根据增加属性和历史社交圈确定起始社交圈为历史社交圈，搜索范围为当前社交网络。
为了方便计算，预先将变化对象、变化属性和历史社交圈写成约定形式，例如(变化对象对应的顶点标识，(历史社交圈标识，变化属性))。其中，增加顶点对应的顶点标识为该增加顶点的标识，减少顶点对应的顶点标识为减少顶点的邻接顶点标识，增加边对应的顶点标识为增加边的两个邻接顶点标识，减少边对应的顶点标识为减少边的两个邻接顶点标识。变化属性采用1、-1表示。1表示增加属性，-1表示减少属性。相应地，1也表示增加对象对历史社交圈具有扩大影响，搜索方向向社交圈外；-1也表示减少对象对历史社交圈具有缩减影响，搜索方向向社交圈内。
结合图1b，约定形式为(V2,(C1,1))；(V1,(C2,1))。起始社交圈包括历史社交圈C1和历史社交圈C2，搜索范围为当前社交网络，搜索方向为向历史社交圈C1外，以及向历史社交圈C2外。
结合图1c，约定形式为(V0,(C1,1))；(V0,(C2,1))。起始社交圈包括历史社交圈C1和历史社交圈C2，搜索范围为当前社交网络，搜索方向为向历史社交圈C1外，以及向历史社交圈C2外。
第二种可选实施方式：对应减少属性的情况，具体地，根据变化对象的减少属性确定广度优先搜索方向为向社交圈内，并根据减少属性和历史社交圈确定起始社交圈为变化对象在历史社交圈内的邻接顶点，搜索范围为历史社交圈。
结合图1d，约定形式为(V4,(C0,-1))；(V5,(C0,-1))。起始社交圈包括邻接顶点V4和V5，搜索范围为历史社交圈C0，搜索方向为向历史社交圈C0内。
结合图1e，约定形式为(V0,(C0,-1))；(V1,(C0,-1))；(V2,(C0,-1))起始社交圈包括邻接顶点V0、V1和V2，搜索范围为历史社交圈C0，搜索方向为向历史社交圈C0内。
第三种实施方式：对应增加属性和减少属性的情况，具体地，根据变化对象的增加属性和减少属性确定广度优先搜索方向为先向社交圈内再向社交圈外，并根据增加属性、减少属性和历史社交圈确定起始社交圈为减少对象在其关联的历史社交圈内的邻接顶点，向社交圈内搜索时搜索范围为历史社交圈，向社交圈外搜索时搜索范围为当前社交网络。
结合图2b，起始社交圈包括邻接顶点V4和V5，先向历史社交圈C0内搜索，搜索范围为历史社交圈C0。然后，再向当前形成的社交圈外搜索，搜索范围为当前社交网络。
S240、从起始社交圈开始，按照广度优先搜索方向进行广度优先搜索，并将搜索到的新顶点加入到起始社交圈，形成新的社交圈。
继续结合图1b，以历史社交圈C1为例，从历史社交圈C1开始向外搜索。将历史社交圈C1内顶点的邻接顶点中，不属于历史社交圈C1的顶点V2加入到历史社交圈C1中，形成新的社交圈。
继续结合图1c，以历史社交圈C1为例，从历史社交圈C1开始向外搜索。将历史社交圈C1内顶点的邻接顶点中，不属于历史社交圈C1的顶点V0加入到历史社交圈C1中，形成新的社交圈。
继续结合图1d，从减少边的邻接顶点V4或V5开始向历史社交前C0内搜索。将历史社交圈C0内V4的邻接顶点V6或V7与V4形成新的社交圈；或者，将历史社交圈C0内V5的邻接顶点V6或V7或V8与V5形成新的社交圈。
继续结合图1e，从减少顶点的邻接顶点V0或V1或V2开始，向历史社交圈C0内搜索，将历史社交圈C0内V0的邻接顶点V1或V4与V0形成新的社交圈；或者，将历史社交圈C0内V1的邻接顶点V0或V4与V1形成新的社交圈；或者，将历史社交圈C0内V2的邻接顶点V0或V4与V2形成新的社交圈。
继续结合图2b，从减少边的邻接顶点V4或V5开始向历史社交前C0内搜索。将历史社交圈C0内V4的邻接顶点V6或V7与V4形成新的社交圈；或者，将历史社交圈C0内V5的邻接顶点V6或V7或V8与V5形成新的社交圈。
S250、计算新的社交圈的凝聚度。
S260、判断新的社交圈的凝聚度是否满足预设要求，如果满足，跳转到S270，如果不满足，跳转到S280。
可选地，判断新的社交圈的凝聚度是否大于等于凝聚度阈值；或者，新的社交圈的凝聚度是否大于等于调整前社交圈的凝聚度。其中，调整前的社交圈为未加入新顶点的社交圈。
如果新的社交圈满足预设要求，说明新加入的顶点与调整前社交圈关系紧密，应加入到社交圈中。如果新的社交圈不满足预设要求，说明新加入的顶点降低了调整前社交圈的凝聚度，其与调整前社交圈关系不够紧密，应从新的社交圈中剔除。
S270、判断搜索范围内是否存在未搜索到的、与新的社交圈中各顶点邻接的顶点，如果不存在，跳转到S271，如果存在，跳转到S290。
S271、将动态调整后的社交圈确定为当前社交网络中的社交圈。
如果搜索范围内不存在未搜索到的、与新的社交圈中各顶点邻接的顶点，说明广度优先搜索结束，将最终的、动态调整后的社交圈确定为当前社交网络中的社交圈。
以图1c为例，实线椭圆表示历史社交圈，虚线椭圆表示动态调整后的社交圈。以图1e为例，实线椭圆表示历史社交圈，虚线椭圆表示动态调整后的社交圈。
S280、从新的社交圈中剔除新顶点，返回执行S270。
S290、继续对新的社交圈或者剔除后的社交圈进行广度优先搜索，并将搜索到的新顶点加入到新的社交圈。返回执行S250。
如果搜索范围内存在未搜索到的、与新的社交圈中各顶点邻接的顶点，则继续对新的社交圈进行广度优先搜索，并将搜索到的新顶点加入到新的社交圈。
以图2b为例，假设在历史社交圈C0的范围内，从顶点V4进行广度优先搜索后，得到社交圈D0包括顶点V4、V5、V6、V7和V8，此时历史社交圈C0不存在与社交圈D0中各顶点邻接的顶点。然后，向社交圈D0外搜索，将与新的社交圈D0中顶点V5的邻接顶点V9加入到社交圈D0，形成社交圈D1。
本实施例中，变化对象不同的变化属性会对历史社交圈带来不同的影响，进而根据变化属性以及历史社交圈确定搜索方向、起始社交圈以及搜索范围，从而提高社交圈确定的准确性和效率。通过新的社交圈的凝聚度满足预设要求继续进行广度优先搜索，不满足预设要求，剔除新的顶点，从而实时的维持社交圈结构稳定的变化，有助于提高社交圈确定的准确性。
实施例三
本实施例在上述实施例的基础上进一步优化。可选地，将操作“以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对变化对象关联的历史社交圈进行动态调整”细化为“在当前社交网络中，每次对变化对象关联的历史社交圈进行调整后，计算新的社交圈的凝聚度；如果新的社交圈的凝聚度满足预设要求，对新的社交圈继续进行调整；如果新的社交圈的凝聚度不满足预设要求，回退到本次调整前的社交圈，并对本次调整前的社交圈继续进行调整”，从而通过每次调整后计算新的社交圈的凝聚度，以实时的维持社交圈结构稳定的变化，有助于提高社交圈确定的准确性。本实施例中的调整方法不限于广度优先搜索，还可以是深度优先搜索、随机搜索或者其他搜索算法。
图3是本发明实施例三提供的一种动态社交圈确定方法的流程图。可选地，对“计算新的社交圈的凝聚度”细化为“获取新的社交圈中各顶点的凝聚度；根据新的社交圈中各顶点的凝聚度，计算新的社交圈的凝聚度”，从而准确得到新的社交圈的凝聚度。结合图3，本实施例提供的方法包括以下操作：
S310、获取当前社交网络和历史社交网络。
S320、根据当前社交网络的结构和历史社交网络的结构，确定当前社交网络相对于历史社交网络的变化对象。
S330、在当前社交网络中，每次对变化对象关联的历史社交圈进行调整后，获取新的社交圈中各顶点的凝聚度。
由于对各顶点的凝聚度计算方法相同，下面以第一顶点详细说明顶点凝聚度的计算方法。其中，第一顶点是新的社交圈中任一顶点。
可选地，计算新的社交圈内，与第一顶点x构成预设封闭图形的邻接顶点数量vtc(x)；如果邻接顶点数量vtc(x)小于等于预设阈值，确定第一顶点的凝聚度小于等于预设凝聚度。如果邻接顶点数量vtc(x)大于预设阈值，根据引力评价因子PTC1(x)和/或顶点数量评价因子PTC2(x)计算第一顶点x的凝聚度PTC(x)。
其中，预设封闭图形可以为三角形。以图1e为例，假设新的社交圈为虚线椭圆表示的社交圈，第一顶点是V1，则与第一顶点V1构成三角形的邻接顶点包括顶点V0和V4，且顶点V0和顶点V4互为对方的邻接顶点，同时也是第一顶点V1的邻接顶点。通过将三角形作为社交圈确定的最小判定单元，能合理的保证社交圈内部的紧密性并且能进行动态重叠社交圈的确定。当然，预设封闭图形还可以为四边形、五边形等，本实施例不作限定。
其中，预设阈值例如为0、1、2等，如果邻接顶点数量vtc(x)小于等于预设阈值，说明第一顶点x与新的社交圈联系不够紧密，则令第一顶点凝聚度小于等于预设凝聚度，例如，令第一顶点凝聚度为0，或者小于0的值。如果邻接顶点数量vtc(x)大于预设阈值，说明第一顶点x与新的社交圈联系较紧密，采用引力评价因子PTC1(x)和/或顶点数量评价因子PTC2(x)计算第一顶点x的凝聚度PTC(x)。可选地，将引力评价因子PTC1(x)与顶点数量评价因子PTC2(x)相乘得到第一顶点x的凝聚度PTC(x)；或者将引力评价因子PTC1(x)与顶点数量评价因子PTC2(x)进行加权求和得到第一顶点x的凝聚度PTC(x)。
可选地，引力评价因子
顶点数量评价因子
C为新的社交圈，|C|为新的社交圈的顶点数量，vtC(x)为新的社交圈内，与第一顶点x构成预设封闭图形的邻接顶点数量，NTx为与第一顶点x构成预设封闭图形的邻接顶点，PRD(y)为顶点y对构成预设封闭图形的各邻接顶点的影响力。
在一示例中，如公式(1)所示，如果邻接顶点数量vtc(x)为0，则第一顶点x的凝聚度为0，。如果邻接顶点数量大于0，将引力评价因子PTC1(x)与顶点数量评价因子PTC2(x)相乘得到第一顶点x的凝聚度PTC(x)。
可选地，根据公式
计算顶点y对构成预设封闭图形的各邻接顶点的影响力。其中，PRn(y)为经过n次迭代后顶点y的重要度。例如，顶点y表示用户A，根据用户A关注、点赞、回帖的其它用户的数量，得到顶点y的出链数，根据关注、点赞、回帖用户A的其它用户的数量，得到顶点y的入链数。同理，获取需要计算影响力的各个顶点的入链数和出链数。为了计算准确，充分考虑顶点之间的关系，获取当前社交网络中各个顶点的入链数和出链数。
根据各个顶点的入链数和出链数构建概率转移矩阵。每个顶点的PageRank值均初始为1，采用概率转移矩阵不断迭代PageRank值，迭代n次后，得到顶点y的重要度。本实施例提供的重要度计算方法与网页PageRank值的计算方法类似，不同之处在于入链数和出链数的获取过程。
dtri(y)为与顶点y构成预设封闭图形的邻接顶点数。以图1d为例，与顶点V8构成三角形的邻接顶点包括V5、V6和V7，则邻接顶点数量为3个。邻接顶点数量越多，说明对各个邻接顶点的影响力越小；邻接顶点数量越少，说明对各个邻接顶点的影响力越大。
S340、根据新的社交圈中各顶点的凝聚度，计算新的社交圈的凝聚度。
可选地，计算新的社交圈中各顶点的凝聚度的均值，作为新的社交圈的凝聚度，如公式(2)所示；或者，计算新的社交圈中各顶点的凝聚度的和，作为新的社交圈的凝聚度；或者计算新的社交圈中最大的凝聚度，作为新的社交圈的凝聚度。
S350、判断新的社交圈的凝聚度是否满足预设要求，如果满足预设要求，跳转到S351，如果不满足预设要求，跳转到S352。
S351、对新的社交圈继续进行调整。继续执行S360。
S352、回退到本次调整前的社交圈，并对本次调整前的社交圈继续进行调整。继续执行S360。
S360、将动态调整后的社交圈确定为当前社交网络中的社交圈。
可选地，在S351和S352中，对新的社交圈或者本次调整前的社交圈继续进行调整，直到社交圈趋于收敛，即社交圈中的顶点趋于不变。
本实施例中，通过根据引力评价因子PTC1(x)和/或顶点数量评价因子PTC2(x)计算第一顶点x的凝聚度PTC(x)，从而合理的维护社交圈外部结构稀疏性和社交圈内部结构的紧密性。
实施例四
本实施例提供一实际应用场景：在按照时间序列生成的社交网络序列中确定社交圈。
图4是本发明实施例四提供的一种在社交网络序列中确定社交圈的流程示意图。在图4中，按照时间序列，生成多个社交网络，
可称为社交网络序列。为了方便后续在历史社交网络的基础上调整社交圈，第一个社交网络
中将全部顶点构成一个社交圈。将第二个社交网络
作为当前社交网络，第一社交网络作为历史社交网络，按照上述任一实施例提供的方法确定第二个社交网络中的社交圈。接着，将第三个社交网络作为当前社交网络，将第二个社交网络作为历史社交网络，确定第三个社交网络中的社交圈，依此类推，直到社交网络序列全部处理完成。
从图4中可以看出，各社交网络中的社交圈在前一社交网络中社交圈的基础上进一步变化，社交网络序列整体上呈现的动态变化符合社交圈的变化规律，侧面反映了本实施例以及上述实施例提供的方法的准确性。
实施例五
图5是本发明实施例五提供的一种动态社交圈确定装置的结构示意图，本实施例可适用于随着时间进行，社交圈出现动态变化的情况，该装置包括：获取模块51、第一确定模块52、调整模块53和第二确定模块54。
获取模块51，用于获取当前社交网络和历史社交网络；
第一确定模块52，用于根据当前社交网络的结构和历史社交网络的结构，确定当前社交网络相对于历史社交网络的变化对象；
调整模块53，用于以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对变化对象关联的历史社交圈进行动态调整；
第二确定模块54，用于将动态调整后的社交圈确定为当前社交网络中的社交圈。
本发明实施例中，通过获取当前社交网络和历史社交网络；根据当前社交网络的结构和历史社交网络的结构，确定当前社交网络相对于历史社交网络的变化对象；以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对变化对象关联的历史社交圈进行动态调整；将动态调整后的社交圈确定为当前社交网络中的社交圈，从而根据变化对象确定需要调整的社交圈；通过以社交圈的凝聚度满足预设要求为约束条件，保证调整后的社交圈的凝聚度均满足预设要求，从而实时的维持社交圈结构稳定的变化，有助于提高社交圈确定的准确性。
可选地，社交圈的凝聚度满足预设要求包括：调整后社交圈的凝聚度大于等于调整前社交圈的凝聚度，或者调整后社交圈的凝聚度大于等于凝聚度阈值。
可选地，调整模块53在以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对变化对象关联的历史社交圈进行动态调整时，具体用于：以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对变化对象关联的历史社交圈进行广度优先搜索。
可选地，调整模块53在以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对变化对象关联的历史社交圈进行广度优先搜索时，具体用于：根据变化对象的变化属性确定广度优先搜索方向，并根据变化属性和历史社交圈确定起始社交圈以及搜索范围；从起始社交圈开始，按照广度优先搜索方向进行广度优先搜索，并将搜索到的新顶点加入到起始社交圈，形成新的社交圈；计算新的社交圈的凝聚度；如果新的社交圈的凝聚度满足预设要求，继续对新的社交圈进行广度优先搜索并将搜索到的新顶点加入到新的社交圈，直至遍历搜索范围内的全部顶点；如果新的社交圈的凝聚度不满足预设要求，从新的社交圈中剔除新顶点，并继续对剔除后的社交圈进行广度优先搜索并将搜索到的新顶点加入到剔除后的社交圈，直至遍历搜索范围内的全部顶点。
可选地，调整模块53在根据变化对象的变化属性确定广度优先搜索方向，并根据变化属性和历史社交圈确定起始社交圈以及搜索范围时，具体用于：根据变化对象的增加属性确定广度优先搜索方向为向社交圈外，并根据增加属性和历史社交圈确定起始社交圈为历史社交圈，搜索范围为当前社交网络；或者，根据变化对象的减少属性确定广度优先搜索方向为向社交圈内，并根据减少属性和历史社交圈确定起始社交圈为变化对象在历史社交圈内的邻接顶点，搜索范围为历史社交圈；或者，根据变化对象的增加属性和减少属性确定广度优先搜索方向为先向社交圈内再向社交圈外，并根据增加属性、减少属性和历史社交圈确定起始社交圈为减少对象在其关联的历史社交圈内的邻接顶点，向社交圈内搜索时搜索范围为历史社交圈，向社交圈外搜索时搜索范围为当前社交网络。
可选地，调整模块53在以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对变化对象关联的历史社交圈进行动态调整时，具体用于：在当前社交网络中，每次对变化对象关联的历史社交圈进行调整后，计算新的社交圈的凝聚度；如果新的社交圈的凝聚度满足预设要求，对新的社交圈继续进行调整；如果新的社交圈的凝聚度不满足预设要求，回退到本次调整前的社交圈，并对本次调整前的社交圈继续进行调整。
可选地，调整模块53在计算新的社交圈的凝聚度时，具体用于：获取新的社交圈中各顶点的凝聚度；根据新的社交圈中各顶点的凝聚度，计算新的社交圈的凝聚度。
可选地，对于新的社交圈中的第一顶点，调整模块53在获取新的社交圈中第一顶点的凝聚度时，具体用于：计算新的社交圈内，与第一顶点构成预设封闭图形的邻接顶点数量；如果邻接顶点数量小于等于预设阈值，确定第一顶点的凝聚度小于等于预设凝聚度。进一步地，如果邻接顶点数量大于预设阈值，根据引力评价因子PTC1(x)和/或顶点数量评价因子PTC2(x)计算第一顶点x的凝聚度PTC(x)；其中，引力评价因子
顶点数量评价因子
C为新的社交圈，|C|为新的社交圈的顶点数量，vtC(x)为新的社交圈内，与第一顶点x构成预设封闭图形的邻接顶点数量，NTx为与第一顶点x构成预设封闭图形的邻接顶点，PRD(y)为顶点y对构成预设封闭图形的各邻接顶点的影响力。
可选地，该装置还包括计算模块，用于在如果邻接顶点数量大于预设阈值，根据引力评价因子PTC1(x)和/或顶点数量评价因子PTC2(x)计算第一顶点x的凝聚度PTC(x)之前，用于根据公式
计算顶点y对构成预设封闭图形的各邻接顶点的影响力；其中，PRn(y)为经过n次迭代后顶点y的重要度，dtri(y)为与顶点y构成预设封闭图形的邻接顶点数；预设封闭图形包括：三角形。
可选地，调整模块53在如果邻接顶点数量大于预设阈值，根据引力评价因子PTC1(x)和/或顶点数量评价因子PTC2(x)计算第一顶点x的凝聚度PTC(x)时，具体用于：如果邻接顶点数量大于预设阈值，将引力评价因子PTC1(x)乘以顶点数量评价因子PTC2(x)，得到第一顶点x的凝聚度PTC(x)。
可选地，调整模块53在根据新的社交圈中各顶点的凝聚度，计算新的社交圈的凝聚度时，具体用于：计算新的社交圈中各顶点的凝聚度的均值，作为新的社交圈的凝聚度。
本发明实施例所提供的动态社交圈确定装置可执行本发明任意实施例所提供的动态社交圈确定方法，具备执行方法相应的功能模块和有益效果。
实施例六
图6是本发明实施例六提供的一种电子设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图6显示的电子设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的动态社交圈确定方法。
实施例七
本发明实施例七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本发明任一实施例提供的动态社交圈确定方法。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
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 (15)
1.一种动态社交圈确定方法，其特征在于，包括：
获取当前社交网络和历史社交网络；
根据当前社交网络的结构和历史社交网络的结构，确定当前社交网络相对于历史社交网络的变化对象；
以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对变化对象关联的历史社交圈进行动态调整；
将动态调整后的社交圈确定为当前社交网络中的社交圈。
2.根据权利要求1所述的方法，其特征在于，所述社交圈的凝聚度满足预设要求包括：调整后社交圈的凝聚度大于等于调整前社交圈的凝聚度，或者调整后社交圈的凝聚度大于等于凝聚度阈值。
3.根据权利要求1所述的方法，其特征在于，所述以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对变化对象关联的历史社交圈进行动态调整，包括：
以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对所述变化对象关联的历史社交圈进行广度优先搜索。
4.根据权利要求3所述的方法，其特征在于，所述以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对所述变化对象关联的历史社交圈进行广度优先搜索，包括：
根据变化对象的变化属性确定广度优先搜索方向，并根据变化属性和历史社交圈确定起始社交圈以及搜索范围；
从所述起始社交圈开始，按照广度优先搜索方向进行广度优先搜索，并将搜索到的新顶点加入到起始社交圈，形成新的社交圈；
计算新的社交圈的凝聚度；
如果新的社交圈的凝聚度满足预设要求，继续对新的社交圈进行广度优先搜索并将搜索到的新顶点加入到新的社交圈，直至遍历搜索范围内的全部顶点；
如果新的社交圈的凝聚度不满足预设要求，从新的社交圈中剔除新顶点，并继续对剔除后的社交圈进行广度优先搜索并将搜索到的新顶点加入到剔除后的社交圈，直至遍历搜索范围内的全部顶点。
5.根据权利要求4所述的方法，其特征在于，所述根据变化对象的变化属性确定广度优先搜索方向，并根据变化属性和历史社交圈确定起始社交圈以及搜索范围，包括：
根据变化对象的增加属性确定广度优先搜索方向为向社交圈外，并根据增加属性和历史社交圈确定起始社交圈为历史社交圈，搜索范围为当前社交网络；或者，
根据变化对象的减少属性确定广度优先搜索方向为向社交圈内，并根据减少属性和历史社交圈确定起始社交圈为变化对象在历史社交圈内的邻接顶点，搜索范围为历史社交圈；或者，
根据变化对象的增加属性和减少属性确定广度优先搜索方向为先向社交圈内再向社交圈外，并根据增加属性、减少属性和历史社交圈确定起始社交圈为减少对象在其关联的历史社交圈内的邻接顶点，向社交圈内搜索时搜索范围为历史社交圈，向社交圈外搜索时搜索范围为当前社交网络。
6.根据权利要求1所述的方法，其特征在于，所述以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对变化对象关联的历史社交圈进行动态调整，包括：
在当前社交网络中，每次对变化对象关联的历史社交圈进行调整后，计算新的社交圈的凝聚度；
如果新的社交圈的凝聚度满足预设要求，对所述新的社交圈继续进行调整；
如果新的社交圈的凝聚度不满足预设要求，回退到本次调整前的社交圈，并对本次调整前的社交圈继续进行调整。
7.根据权利要求6或者4所述的方法，其特征在于，所述计算新的社交圈的凝聚度，包括：
获取新的社交圈中各顶点的凝聚度；
根据新的社交圈中各顶点的凝聚度，计算新的社交圈的凝聚度。
8.根据权利要求7所述的方法，其特征在于，对于新的社交圈中的第一顶点，所述获取新的社交圈中第一顶点的凝聚度，包括：
计算新的社交圈内，与第一顶点构成预设封闭图形的邻接顶点数量；
如果所述邻接顶点数量小于等于预设阈值，确定第一顶点的凝聚度小于等于预设凝聚度。
9.根据权利要求8所述的方法，其特征在于，还包括：
如果所述邻接顶点数量大于预设阈值，根据引力评价因子PTC1(x)和/或顶点数量评价因子PTC2(x)计算第一顶点x的凝聚度PTC(x)；
其中，引力评价因子
顶点数量评价因子
C为新的社交圈，|C|为新的社交圈的顶点数量，vtC(x)为新的社交圈内，与第一顶点x构成预设封闭图形的邻接顶点数量，NTx为与第一顶点x构成预设封闭图形的邻接顶点，PRD(y)为顶点y对构成预设封闭图形的各邻接顶点的影响力。
10.根据权利要求9所述的方法，其特征在于，在如果所述邻接顶点数量大于预设阈值，根据引力评价因子PTC1(x)和/或顶点数量评价因子PTC2(x)计算第一顶点x的凝聚度PTC(x)之前，还包括：
根据公式
计算顶点y对构成预设封闭图形的各邻接顶点的影响力；
其中，PRn(y)为经过n次迭代后顶点y的重要度，dtri(y)为与顶点y构成预设封闭图形的邻接顶点数；所述预设封闭图形包括：三角形。
11.根据权利要求9所述的方法，其特征在于，所述如果所述邻接顶点数量大于预设阈值，根据引力评价因子PTC1(x)和顶点数量评价因子PTC2(x)计算第一顶点x的凝聚度PTC(x)，包括：
如果所述邻接顶点数量大于预设阈值，将引力评价因子PTC1(x)乘以顶点数量评价因子PTC2(x)，得到第一顶点x的凝聚度PTC(x)。
12.根据权利要求7所述的方法，其特征在于，所述根据新的社交圈中各顶点的凝聚度，计算新的社交圈的凝聚度，包括：
计算新的社交圈中各顶点的凝聚度的均值，作为新的社交圈的凝聚度。
13.一种动态社交圈确定装置，其特征在于，包括：
获取模块，用于获取当前社交网络和历史社交网络；
第一确定模块，用于根据当前社交网络的结构和历史社交网络的结构，确定当前社交网络相对于历史社交网络的变化对象；
调整模块，用于以社交圈的凝聚度满足预设要求为约束条件，在当前社交网络中，对变化对象关联的历史社交圈进行动态调整；
第二确定模块，用于将动态调整后的社交圈确定为当前社交网络中的社交圈。
14.一种电子设备，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1-12中任一所述的动态社交圈确定方法。
15.一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1-12中任一所述的动态社交圈确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811284093.XA CN111127230A (zh) | 2018-10-31 | 2018-10-31 | 动态社交圈确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811284093.XA CN111127230A (zh) | 2018-10-31 | 2018-10-31 | 动态社交圈确定方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111127230A true CN111127230A (zh) | 2020-05-08 |
Family
ID=70485165
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811284093.XA Pending CN111127230A (zh) | 2018-10-31 | 2018-10-31 | 动态社交圈确定方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111127230A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111428204A (zh) * | 2020-06-12 | 2020-07-17 | 深圳大数据计算机信息股份有限公司 | 一种基于区块链去中心化的信用体系构建方法及系统 |
-
2018
- 2018-10-31 CN CN201811284093.XA patent/CN111127230A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111428204A (zh) * | 2020-06-12 | 2020-07-17 | 深圳大数据计算机信息股份有限公司 | 一种基于区块链去中心化的信用体系构建方法及系统 |
| CN111428204B (zh) * | 2020-06-12 | 2021-01-15 | 深圳大数据计算机信息股份有限公司 | 一种基于区块链去中心化的信用体系构建方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10846052B2 (en) | Community discovery method, device, server and computer storage medium | |
| US10936765B2 (en) | Graph centrality calculation method and apparatus, and storage medium | |
| CN110213164B (zh) | 一种基于拓扑信息融合的识别网络关键传播者的方法及装置 | |
| CN107895038B (zh) | 一种链路预测关系推荐方法及装置 | |
| US10115115B2 (en) | Estimating similarity of nodes using all-distances sketches | |
| CN104077723B (zh) | 一种社交网络推荐系统及方法 | |
| WO2019019385A1 (zh) | 跨平台数据匹配方法、装置、计算机设备和存储介质 | |
| CN110555172B (zh) | 用户关系挖掘方法及装置、电子设备和存储介质 | |
| JP6608972B2 (ja) | ソーシャルネットワークに基づいてグループを探索する方法、デバイス、サーバ及び記憶媒体 | |
| CN110162692B (zh) | 用户标签确定方法、装置、计算机设备和存储介质 | |
| US10250550B2 (en) | Social message monitoring method and apparatus | |
| CN113656698B (zh) | 兴趣特征提取模型的训练方法、装置和电子设备 | |
| Janssen et al. | Geometric graph properties of the spatial preferred attachment model | |
| CN110968802B (zh) | 一种用户特征的分析方法、分析装置及可读存储介质 | |
| CN110287424B (zh) | 基于单源SimRank的协同过滤推荐方法 | |
| CN111127230A (zh) | 动态社交圈确定方法、装置、设备及存储介质 | |
| CN116309002B (zh) | 图数据存储、访问、处理方法、训练方法、设备及介质 | |
| CN115186738B (zh) | 模型训练方法、装置和存储介质 | |
| WO2015165297A1 (zh) | 一种不确定图查询方法及装置 | |
| CN108011735B (zh) | 社区发现方法及装置 | |
| CN113010769A (zh) | 基于知识图谱的物品推荐方法、装置、电子设备及介质 | |
| CN115759233B (zh) | 模型的训练方法、图数据处理方法、装置及电子设备 | |
| CN111639099A (zh) | 全文索引方法及系统 | |
| CN112861034B (zh) | 检测信息的方法、装置、设备和存储介质 | |
| CN114844889B (zh) | 视频处理模型的更新方法、装置、电子设备及存储介质 |
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 |