CN111625727B - 用于社交关系数据的信息处理方法、装置和存储介质 - Google Patents
用于社交关系数据的信息处理方法、装置和存储介质 Download PDFInfo
- Publication number
- CN111625727B CN111625727B CN202010457757.9A CN202010457757A CN111625727B CN 111625727 B CN111625727 B CN 111625727B CN 202010457757 A CN202010457757 A CN 202010457757A CN 111625727 B CN111625727 B CN 111625727B
- Authority
- CN
- China
- Prior art keywords
- account
- social
- information set
- neighbor
- social information
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 43
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000010586 diagram Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 8
- 230000002596 correlated effect Effects 0.000 claims description 6
- 238000010348 incorporation Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 2
- 239000002699 waste material Substances 0.000 abstract description 5
- 238000000638 solvent extraction Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供用于社交关系数据的信息处理方法、装置和存储介质,涉及信息处理技术领域。该方法包括:响应于社交信息处理指令,获取目标账户及所述目标账户的社交关系数据,其中,所述社交关系数据用于记录与所述目标账户具有社交关系的邻居账户的信息;若所述目标账户与所述邻居账户当前属于不同的社交信息集,则检测所述邻居账户所属的社交信息集是否允许并入新的账户;若所述邻居账户所属的社交信息集允许并入新的账户,则将所述目标账户并入所述邻居账户所在的社交信息集。解决了现有技术中由于产生热点社区而导致的网络资源浪费的问题。
Description
技术领域
本公开涉及信息处理技术领域,特别涉及一种用于社交关系数据的信息处理方法、装置和存储介质。
背景技术
随着网络技术的发展,人们的社交活动不局限于面对面的沟通,也不局限于熟悉的人之间进行社交活动。社交平台在空间上扩展了社交活动的范围,在时间上提高了社交活动的效率和便利性。
网络用户都有属于自己的账户,社交活动是基于用户账号进行的。不同用户有自己的社交圈、对时事新闻或者其他各种媒体信息都可以通过用户账户发表自己的评论并通过社交平台传播展示自己的网络作品。为了便于人们通过网络平台开展社交活动,需要为不同用户推荐感兴趣的用户。
为了能够有效的利用处理资源,以便于为用户筛选出推荐用户,一种典型的方式是采用社区发现算法来对存储的用户账户数据进行筛选和分析。
但是发明人发现,在推荐系统召回中传统的社区发现算法存在弊端,目前,社交推荐系统召回主要通过实时计算来进行推荐。例如依据关注关系、双向关注关系、共同关注关系以及推荐关注关系为用户进行推荐。所以容易比较产生热点社区的问题,即产生人数较多的社区,给大量用户推荐的都是同一批人,导致了网络资源的浪费。
发明内容
本公开的目的在于提供一种用于社交关系数据的信息处理方法和装置,以解决上述社区发现算法在推荐系统召回中产生热点社区导致网络资源浪费的问题。
第一方面,本公开提供一种用于社交关系数据的信息处理方法,所述方法包括:
响应于社交信息处理指令,获取目标账户及所述目标账户的社交关系数据,其中,所述社交关系数据用于记录与所述目标账户具有社交关系的邻居账户的信息;
若所述目标账户与所述邻居账户当前属于不同的社交信息集,则检测所述邻居账户所属的社交信息集是否允许并入新的账户;
若所述邻居账户所属的社交信息集允许并入新的账户,则将所述目标账户并入所述邻居账户所在的社交信息集。
在一个实施例中,获取所述社交信息集的参考参数;所述参考参数包括:所述社交信息集包括的用户账户数量、用于表示指定社交关系密集度的集合划分指标参数、以及所述社交信息集中的中心账户与所述目标账户的社交关系;其中,所述中心账户为所述社交信息集中邻居账户最多的用户账户;
若所述参考参数满足预设的参数要求,则所述邻居账户所属的社交信息集允许并入新的账户;
若所述参考参数不满足预设的参数要求,则所述邻居账户所属的社交信息集不允许并入新的账户;
其中,所述参数要求包括:所述中心账户与所述目标账户的社交关系满足指定社交关系,所述用户账户数量满足指定数量要求,且并入所述目标账户前后集合划分指标参数的差值满足预设差值要求。
在一个实施例中,将所述目标账户并入所述邻居账户的社交信息集之后,所述方法还包括:
更新所述社交信息集内的中心账户;
基于更新后的所述中心账户更新所述社交信息集中各用户账户与所述更新后的所述中心账户之间的社交关系。
在一个实施例中,所述基于更新后的所述中心账户更新所述社交信息集中各用户账户与所述更新后的所述中心账户之间的社交关系之后,所述方法还包括:
对所述社交信息集内的任意用户账户,若所述用户账户与更新后的所述中心账户之间的社交关系的亲密度低于预设亲密度,则将所述用户账户从所述社交信息集中移除,所述亲密度表示为用户账户之间的人际关系的亲疏。
在一个实施例中,针对任意两用户账户,根据以下方法解析所述两用户账户之间的社交关系:
若所述两用户账户为有权图中的节点,在所述有权图中识别所述两用户账户之间的路径,所述路径为由最少数量的连接边构成的路径;并,由所述路径上各条连接边的调整参数以及预设的调整参数关系,确定出所述两用户账户之间的社交关系;
若所述两用户账户为无权无向图中的节点,采用所述路径上的用户账户数量作为所述两用户账户之间的社交关系。
在一个实施例中,若所述社交信息集为有权图,所述集合划分指标参数与以下信息正相关:
各节点的邻居节点数量、节点之间的连接边的权重、所述有权图中连接边的总数量、属于同一社交信息集的节点数量。
在一个实施例中,根据以下公式获取所述集合划分指标参数:
其中,kv=∑u∈Nbr(v)Avu,Nbr(v)是节点v的邻居节点集合;
m为节点之间的连接边的总数量、Avw为节点v与节点息w之间的连接边的权重(调整参数)、kv为与节点v相连的邻居节点的度数之和、kw为与节点w相连的邻居节点的度数之和;当cv与cw相同时,δ(cv,cw)为第一设定参数,否则,δ(cv,cw)为第二设定参数。
第二方面,本公开提供一种用于社交关系数据的信息处理装置,所述装置包括:
获取模块,被配置为执行响应于社交信息处理指令,获取目标账户及所述目标账户的社交关系数据,其中,所述社交关系数据用于记录与所述目标账户具有社交关系的邻居账户的信息;
检测模块,被配置为执行若所述目标账户与所述邻居账户当前属于不同的社交信息集,则检测所述邻居账户所属的社交信息集是否允许并入新的账户;
并入模块,被配置为执行若所述邻居账户所属的社交信息集允许并入新的账户,则将所述目标账户并入所述邻居账户所在的社交信息集。
在一个实施例中,所述检测模块,还被配置为执行:
获取所述社交信息集的参考参数;所述参考参数包括:所述社交信息集包括的用户账户数量、用于表示指定社交关系密集度的集合划分指标参数、以及所述社交信息集中的中心账户与所述目标账户的社交关系;其中,所述中心账户为所述社交信息集中邻居账户最多的用户账户;
若所述参考参数满足预设的参数要求,则所述邻居账户所属的社交信息集允许并入新的账户;
若所述参考参数不满足预设的参数要求,则所述邻居账户所属的社交信息集不允许并入新的账户;
其中,所述参数要求包括:所述中心账户与所述目标账户的社交关系满足指定社交关系,所述用户账户数量满足指定数量要求,且并入所述目标账户前后集合划分指标参数的差值满足预设差值要求。
在一个实施例中,所述装置还包括:
中心账户更新模块,被配置为在所述并入模块将所述目标账户并入所述邻居账户的社交信息集之后,更新所述社交信息集内的中心账户;
社交关系更新模块,被配置为执行基于更新后的所述中心账户更新所述社交信息集中各用户账户与所述更新后的所述中心账户之间的社交关系。
在一个实施例中,所述装置还包括:
移除模块,被配置为在所述社交更新模块执行所述基于更新后的所述中心账户更新所述社交信息集中各用户账户与所述更新后的所述中心账户之间的社交关系之后,对所述社交信息集内的任意用户账户,若所述用户账户与更新后的所述中心账户之间的社交关系的亲密度低于预设亲密度,则将所述用户账户从所述社交信息集中移除,所述亲密度表示为用户账户之间的人际关系的亲疏。
在一个实施例中,所述装置还包括:
解析模块,被配置为执行针对任意两用户账户,根据以下方法解析所述两用户账户之间的社交关系:
若所述两用户账户为有权图中的节点,在所述有权图中识别所述两用户账户之间的路径,所述路径为由最少数量的连接边构成的路径;并,由所述路径上各条连接边的调整参数以及预设的调整参数关系,确定出所述两用户账户之间的社交关系;
若所述两用户账户为无权无向图中的节点,采用所述路径上的用户账户数量作为所述两用户账户之间的社交关系。
在一个实施例中,若所述社交信息集为有权图,所述集合划分指标参数与以下信息正相关:
各节点的邻居节点数量、节点之间的连接边的权重、所述有权图中连接边的总数量、属于同一社交信息集的节点数量。
在一个实施例中,所述检测模块执行获取所述集合划分指标参数时,还被配置为执行:
根据以下公式获取所述集合划分指标参数:
其中,kv=∑u∈Nbr(v)Avu,Nbr(v)是节点v的邻居节点集合;
m为节点之间的连接边的总数量、Avw为节点v与节点息w之间的连接边的权重(调整参数)、kv为与节点v相连的邻居节点的度数之和、kw为与节点w相连的邻居节点的度数之和;当cv与cw相同时,δ(cv,cw)为第一设定参数,否则,δ(cv,cw)为第二设定参数。
根据本公开实施例的第三方面,提供一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的计算机存储介质;
其中,所述处理器被配置为执行所述指令,用以实现如第一方面所述的用于社交关系数据的信息处理方法。
根据本公开实施例提供的第四方面,提供一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序用于执行如第一方面所述的用于社交关系数据的信息处理方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
本公开提供一种用于社交关系数据的信息处理方法、装置和存储介质。该方法包括:响应于社交信息处理指令,获取目标账户及所述目标账户的社交关系数据,其中,所述社交关系数据用于记录与所述目标账户具有社交关系的邻居账户的信息;若所述目标账户与所述邻居账户当前属于不同的社交信息集,则检测所述邻居账户所属的社交信息集是否允许并入新的账户;若所述邻居账户所属的社交信息集允许并入新的账户,则将所述目标账户并入所述邻居账户所在的社交信息集。
需要说明的是,本公开中的社交信息集相当于背景技术中的社区。本公开中社交信息集并入新的账户之前,需要检测该社交信息集是否允许并入新的账户,使得最终每个社交信息集的用户账户数量相当,并且为不同用户账户推荐的是与用户账户关系更为亲近的用户账户,且为不同用户账户推荐的尽可能不同。解决了现有技术中社区发现算法在推荐系统召回中产生热点社区导致的网络资源浪费的问题。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1为根据本公开一个实施例中的适用场景示意图;
图2为根据本公开一个实施例的用于社交关系数据的信息处理流程示意图之一;
图3为根据本公开一个实施例的用于社交关系数据的信息处理流程示意图之二;
图4为根据本公开一个实施例的用于社交关系数据的信息处理装置;
图5为根据本公开一个实施例的电子设备的结构示意图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将对本公开实施例中的技术方案进行清楚、完整地描述。
相关技术中,如背景技术所述,社区推荐系统召回主要通过实时计算,容易产生热点社区的问题由此导致网络资源的浪费。有鉴于此,本公开提出一种用于社交关系数据的信息处理方法、装置及存储介质。
如图1所示,为本公开实施例中的适用场景示意图。该应用场景中包括终端10、服务器11,其中,服务器11针对任一账户,响应于社交信息处理指令,获取目标账户及所述目标账户的社交关系数据;若所述目标账户与所述邻居账户当前属于不同的社交信息集,则检测所述邻居账户所属的社交信息集是否允许并入新的账户;若所述邻居账户所属的社交信息集允许并入新的账户,则将所述目标账户并入所述邻居账户所在的社交信息集。由此,本公开中社交信息集并入新的账户之前,需要检测该社交信息集是否允许并入新的账户,使得最终每个社交信息集的用户账户数量相当。在完成社交信息集的划分之后,为社交信息集中的任一账户推荐该社交信息集中除该账户之外的其他账户,并将其他账户显示在终端10中,故此,基于本公开实施例提供的技术方案,为不同用户账户推荐的是与用户账户关系更为亲近的用户账户,且为不同用户账户推荐的尽可能不同。解决了现有技术中社区发现算法在推荐系统召回中产生热点社区导致的浪费网络资源浪费的问题。
下面进一步结合附图,对本公开的方案进行详细的说明,参见图2,图2为该用于社交关系数据的信息处理方法的流程示意图,包括以下步骤:
步骤201:响应于社交信息处理指令,获取目标账户及所述目标账户的社交关系数据,其中,所述社交关系数据用于记录与所述目标账户具有社交关系的邻居账户的信息;
步骤202:若所述目标账户与所述邻居账户当前属于不同的社交信息集,则检测所述邻居账户所属的社交信息集是否允许并入新的账户;
步骤203:若所述邻居账户所属的社交信息集允许并入新的账户,则将所述目标账户并入所述邻居账户所在的社交信息集。
需要说明的是,本公开中的社交信息集相当于背景技术中的社区。
本公开中社交信息集并入新的账户之前,需要检测该社交信息集是否允许并入新的账户,使得最终每个社交信息集的用户账户数量相当,并且为不同用户账户推荐的是与用户账户关系更为亲近的用户账户,且为不同用户账户推荐的尽可能不同。解决了现有技术中社区发现算法在推荐系统召回中产生热点社区导致的网络资源浪费的问题。
检测邻居账户所属的社交信息集是否允许并入新的账户的方法,在一个实施例中,获取所述社交信息集的参考参数;所述参考参数包括以下三种:
1)、所述社交信息集包括的用户账户数量。
2)、用于表示指定社交关系密集度的集合划分指标参数。其中,社交密集度越高,则集合划分指标参数越高,说明社交信息集划分越好。
3)、所述社交信息集中的中心账户与所述目标账户的社交关系。
其中,需要说明的是,所述中心账户为所述社交信息集中邻居账户最多的用户账户。
若所述参考参数满足预设的参数要求,则所述邻居账户所属的社交信息集允许并入新的账户;若所述参考参数不满足预设的参数要求,则所述邻居账户所属的社交信息集不允许并入新的账户。
其中,所述参数要求包括以下两种:
1)、所述中心账户与所述目标账户的社交关系满足指定社交关系;
2)、所述用户账户数量满足指定数量要求,且并入所述目标账户前后集合划分指标参数的差值满足预设差值要求。
由此,可以通过判断社交信息集的参考参数是否满足预设的参数要求,来检测邻居账户所属的社交信息集是否允许并入新的账户。由此避免产生热点社区。
在一个实施例中,当目标账户并入邻居账户的社交信息集之后,社交信息集内的中心账户可能会发生变化,为了能够准确的反应社交信息集的当前状态便于后续的社区发现,在将目标账户并入所述邻居账户的社交信息集之后,可更新所述社交信息集内的中心账户;并基于更新后的所述中心账户更新所述社交信息集中各用户账户与所述更新后的所述中心账户之间的社交关系。
例如,账户c为邻居账户最多的用户账户,则选取账户c为其所在的社交信息集的中心账户,若之前的中心账户还是账户c,则不需要更新各账户与中心账户c之间的社交关系。若之前的中心账户为d,则由于中心账户发生改变,需要确定各用户账户与中心账户c之间的社交关系。
由此,通过更新中心账户能够便于更新社交信息集中各用户账户与中心账户之间的社交关系,使得随着社区的变化、社区内用户账户之间的关系也能够实时更新,以便于根据中心账户限制社区规模。
在一个实施例中,当基于更新各用户账户与中心账户之间的社交关系之后,对所述社交信息集内的任意用户账户,若所述用户账户与更新后的所述中心账户之间的社交关系的亲密度低于预设亲密度,则将所述用户账户从所述社交信息集中移除。并;重新为所述用户账户选择新的社交信息集之后,将所述用户账户并入所述新的社交信息集。其中,所述亲密度表示为用户账户之间的人际关系的亲疏。
例如,账户A、账户B和账户C为社交信息集中的用户账户,若该社交信息集中的更新后的中心账户为账户C,若账户A与中心账户C的亲密度为75%,账户B与中心账户C的亲密度为43%,若预设亲密度为50%,则账户B与更新后的中心账户C之间的社交关系的亲密度低于预设亲密度,则将账户B从该社交信息集中移除。并重新为账户B选择新的社交信息集,然后将账户B并入新的社交信息集中。其中,亲密度的计算方法为:确定两用户账户之间的路径的数量,并将两用户账户之间的路径的数量与社交信息集中的路径的总数量作除法得到两用户账户之间的亲密度。
由此,当社交信息集中有用户账户与中心账户之间社交关系的亲密度低于预设亲密度时,可以将该用户账户从社交信息集中剥离,并重新为该用户账户找到新的社交信息集以动态调整社交信息集内的用户账户,使得社交信息集内的社交关系能够保持比较亲密。也即,用户之间的关系更加亲密,推荐的用户转换为真正感兴趣用户的可能性会增高,使得网络资源得到充分利用。
在一个实施例,关于用户账户之间的社交关系可根据实际情况确定。本公开实施例可以将用户账户之间包含的用户账户数量作为社交关系,也可以采用其他方式确定用户账户之间的社交关系,可实施为根据以下方法解析用户账户之间的社交关系:
方式(1)、若所述两用户账户为有权图中的节点,在所述有权图中识别所述两用户账户之间的路径,所述路径为由最少数量的连接边构成的路径;并,由所述路径上各条连接边的调整参数以及预设的调整参数关系,确定出所述两用户账户之间的社交关系;
例如,用户账户A与用户账户B之间的路径包括路径1:A→C→B、路径2:A→Q→D→B这两条路径,则路径1为由最少连接边构成的路径。则AC边与CB边的调整参数以及预设的调整参数来确定出两用户账户之间的社交关系。其中调整参数为连接边的权重。
例如,AC边的权重为0.45,BC边的权重为0.9,则AC边与BC边的权重之和则为用户账户A与用户账户B之间的社交关系,即社交关系为1.35。
方式(2)、若所述两用户账户为无权无向图中的节点,采用所述路径上的用户账户数量作为所述两用户账户之间的社交关系。
例如,若用户账户A与用户账户B的路径上有三个用户账户,即用户账户A、C、B,则节点A与节点B之间的社交关系为3。
由此可知,通过上述方法来确定有权图和无权无向图的用户账户之间的社交关系的方式能够直观的反应用户账户之间的社交关系的远近前述,且实施起来简单易行。
本申请实施例中,当所有用户账户进行完一轮遍历之后(即为每个用户账户分配一个社交信息集之后),可以在满足结束条件时,结束对各用户账户的遍历操作。由此完成对用于社交关系数据的信息处理。
实施时,结束条件可根据具体的需求而设定,本公开中可实施为以下中的至少一种:
1)、已遍历的轮数大于预设轮数。
2)、当前的集合划分指标参数与上一轮遍历结束时的集合划分指标参数的差值小于预设阈值。需要说明的是,若当前的集合划分指标参数与上一轮的集合划分指标参数的差值小于预设阈值时,说明此时集合划分指标参数的增长不明显,说明当前社交信息集已经趋于稳定状态,所以不需要再次进行遍历。由此,可通过上述两个条件中的至少一个来确定约束条件。
在一个实施例中,集合划分指标参数Q的计算可实施为:
1)、若所述社交信息集为有权图,所述集合划分指标参数与以下信息正相关:
各节点的邻居节点数量、节点之间的连接边的权重、所述有权图中连接边的总数量、属于同一社交信息集的节点数量。
可根据公式(a)获取所述集合划分指标参数:
其中,kv=∑u∈Nbr(v)Avu,Nbr(v)是节点v的邻居节点集合;
m为节点之间的连接边的总数量、Avw为节点v与节点息w之间的连接边的权重(调整参数)、kv为与节点v相连的邻居节点的度数之和、kw为与节点w相连的邻居节点的度数之和;当cv与cw相同时,δ(cv,cw)为第一设定参数,否则,δ(cv,cw)为第二设定参数。
2)、若所述社交信息集为无权无向图,可根据公式(b)来计算所述当前社区划分指数Q:
其中,当节点v与节点w有连接边时,则Avw=1;当节点v与节点w没有连接边时,则Avw=0;m为节点之间的连接边的总数量、kv为节点v的度数、kw为节点w的度数、cv为节点v所在的社区、cw为节点w所在的社区。
由此,可以通过上述两种公式来获取所述集合划分指标参数。
此外,在一个实施例中,对于有权图,在计算集合划分指标参数之前,在一个实施例中,对任意一条边的权重进行归一化处理。
可根据公式(c)来计算对任意一条边we的权重进行归一化处理后的权重we′:
其中,m为节点之间的连接边的总数量。
为了进一步了解本公开提供的技术方案,下面结合图3进行说明,可包括以下步骤:
步骤301:响应于社交信息处理指令,获取目标账户及所述目标账户的社交关系数据,其中,所述社交关系数据用于记录与所述目标账户具有社交关系的邻居账户的信息;
步骤302:若所述目标账户与所述邻居账户当前属于不同的社交信息集,则获取所述社交信息集的参考参数;
需要说明的是,所述参考参数包括:所述社交信息集包括的用户账户数量、用于表示指定社交关系密集度的集合划分指标参数、以及所述社交信息集中的中心账户与所述目标账户的社交关系;其中,所述中心账户为所述社交信息集中邻居账户最多的用户账户;
步骤303:若所述参考参数满足预设的参数要求,则将所述目标账户并入所述邻居账户所在的社交信息集;
步骤304:更新所述社交信息集内的中心账户;
步骤305:基于更新后的所述中心账户更新所述社交信息集中各用户账户与所述更新后的所述中心账户之间的社交关系;
步骤306:对所述社交信息集内的任意用户账户,若所述用户账户与更新后的所述中心账户之间的社交关系的亲密度低于预设亲密度,则将所述用户账户从所述社交信息集中移除;
步骤307:重新为所述用户账户选择新的社交信息集之后,将返回执行步骤303;
步骤308:在完成社交信息集划分之后,为社交信息集中的任一账户推荐该社交信息集中除该账户之外的其他账户。
基于相同的发明构思,本公开如上所述的用于社交数据的信息处理方法还可以由一种用于社交数据的信息处理装置实现。该装置的效果与前述方法的效果相似,在此不再赘述。
图4为根据本公开一个实施例的用于社交数据的信息处理装置的结构示意图。
如图4所示,本公开的用于社交数据的信息处理装置400可以包括获取模块401、检测模块402、并入模块403。
获取模块401,被配置为执行响应于社交信息处理指令,获取目标账户及所述目标账户的社交关系数据,其中,所述社交关系数据用于记录与所述目标账户具有社交关系的邻居账户的信息;
检测模块402,被配置为执行若所述目标账户与所述邻居账户当前属于不同的社交信息集,则检测所述邻居账户所属的社交信息集是否允许并入新的账户;
并入模块403,被配置为执行若所述邻居账户所属的社交信息集允许并入新的账户,则将所述目标账户并入所述邻居账户所在的社交信息集。
在一个实施例中,所述检测模块402,还被配置为执行:
获取所述社交信息集的参考参数;所述参考参数包括:所述社交信息集包括的用户账户数量、用于表示指定社交关系密集度的集合划分指标参数、以及所述社交信息集中的中心账户与所述目标账户的社交关系;其中,所述中心账户为所述社交信息集中邻居账户最多的用户账户;
若所述参考参数满足预设的参数要求,则所述邻居账户所属的社交信息集允许并入新的账户;
若所述参考参数不满足预设的参数要求,则所述邻居账户所属的社交信息集不允许并入新的账户;
其中,所述参数要求包括:所述中心账户与所述目标账户的社交关系满足指定社交关系,所述用户账户数量满足指定数量要求,且并入所述目标账户前后集合划分指标参数的差值满足预设差值要求。
在一个实施例中,所述装置还包括:
中心账户更新模块404,被配置为在所述并入模块403执行将所述目标账户并入所述邻居账户的社交信息集之后,更新所述社交信息集内的中心账户;
社交关系更新模块405,被配置为执行基于更新后的所述中心账户更新所述社交信息集中各用户账户与所述更新后的所述中心账户之间的社交关系。
在一个实施例中,所述装置还包括:
移除模块406,被配置为在所述社交关系更新模块405执行所述基于更新后的所述中心账户更新所述社交信息集中各用户账户与所述更新后的所述中心账户之间的社交关系之后,对所述社交信息集内的任意用户账户,若所述用户账户与更新后的所述中心账户之间的社交关系的亲密度低于预设亲密度,则将所述用户账户从所述社交信息集中移除,所述亲密度表示为用户账户之间的人际关系的亲疏。
在一个实施例中,所述装置还包括:
解析模块407,被配置为执行针对任意两用户账户,根据以下方法解析所述两用户账户之间的社交关系:
若所述两用户账户为有权图中的节点,在所述有权图中识别所述两用户账户之间的路径,所述路径为由最少数量的连接边构成的路径;并,由所述路径上各条连接边的调整参数以及预设的调整参数关系,确定出所述两用户账户之间的社交关系;
若所述两用户账户为无权无向图中的节点,采用所述路径上的用户账户数量作为所述两用户账户之间的社交关系。
在一个实施例中,若所述社交信息集为有权图,所述集合划分指标参数与以下信息正相关:
各节点的邻居节点数量、节点之间的连接边的权重、所述有权图中连接边的总数量、属于同一社交信息集的节点数量。
在一个实施例中,所述检测模块执行402获取所述集合划分指标参数时,还被配置为执行:
根据以下公式获取所述集合划分指标参数:
其中,kv=∑u∈Nbr(v)Avu,Nbr(v)是节点v的邻居节点集合;
m为节点之间的连接边的总数量、Avw为节点v与节点息w之间的连接边的权重(调整参数)、kv为与节点v相连的邻居节点的度数之和、kw为与节点w相连的邻居节点的度数之和;当cv与cw相同时,δ(cv,cw)为第一设定参数,否则,δ(cv,cw)为第二设定参数。
在介绍了本申请示例性实施方式的一种用于社交关系数据的信息处理方法和装置之后,接下来,介绍根据本申请的另一示例性实施方式的电子设备。
所属技术领域的技术人员能够理解,本申请的各个方面可以实现为系统、方法或程序产品。因此,本申请的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中,根据本申请的电子设备可以至少包括至少一个处理器、以及至少一个计算机存储介质。其中,计算机存储介质存储有计算机程序,当计算机程序代码被处理器执行时,使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的用于社交关系数据的信息处理方法中的步骤。例如,处理器可以执行如图2中所示的步骤201-203。
下面参照图5来描述根据本申请的这种实施方式的电子设备500。图5显示的电子设备500仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500以通用电子设备的形式表现。电子设备500的组件可以包括但不限于:上述至少一个处理器501、上述至少一个计算机存储介质502、连接不同系统组件(包括计算机存储介质502和处理器501)的总线503。
总线503表示几类总线结构中的一种或多种,包括计算机存储介质总线或者计算机存储介质控制器、外围总线、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。
计算机存储介质502可以包括易失性计算机存储介质形式的可读介质,例如随机存取计算机存储介质(RAM)521和/或高速缓存存储介质522,还可以进一步包括只读计算机存储介质(ROM)523。
计算机存储介质502还可以包括具有一组(至少一个)程序模块524的程序/实用工具525,这样的程序模块524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。
电子设备500也可以与一个或多个外部设备505(例如键盘、指向设备等)通信,还可与一个或者多个使得用户能与电子设备500交互的设备通信,和/或与使得该电子设备500能与一个或多个其它电子设备进行通信的任何设备(例如路由器、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505进行。并且,电子设备500还可以通过网络适配器506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506通过总线503与用于电子设备500的其它模块通信。应当理解,尽管图中未示出,可以结合电子设备500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、冗余处理器、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。
在一些可能的实施方式中,本申请提供的一种用于社交关系数据的信息处理方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在计算机设备上运行时,程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的一种用于社交关系数据的信息处理方法中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。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。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、便携式盘、硬盘、随机存取计算机存储介质(RAM)、只读计算机存储介质(ROM)、可擦式可编程只读计算机存储介质(EPROM或闪存)、光纤、便携式紧凑盘只读计算机存储介质(CD-ROM)、光计算机存储介质件、磁计算机存储介质件、或者上述的任意合适的组合。
本申请实施方式的用于社交关系数据的信息处理的程序产品可以采用便携式紧凑盘只读计算机存储介质(CD-ROM)并包括程序代码,并可以在电子设备上运行。然而,本申请的程序产品不限于此,在本文件中,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。
本申请涉及的账户信息均为基于账户授权而采集并进行后续处理的。
可读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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。
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、有线、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的任意组合来编写用于执行本申请操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,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电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务器上执行。在涉及远程电子设备的情形中,远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户电子设备,或者,可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了装置的若干模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之,上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘计算机存储介质、CD-ROM、光学计算机存储介质等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读计算机存储介质中,使得存储在该计算机可读计算机存储介质中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种用于社交关系数据的信息处理方法,其特征在于,所述方法包括:
响应于社交信息处理指令,获取目标账户及所述目标账户的社交关系数据,其中,所述社交关系数据用于记录与所述目标账户具有社交关系的邻居账户的信息;
若所述目标账户与所述邻居账户当前属于不同的社交信息集,则获取所述社交信息集的参考参数;所述参考参数包括:所述社交信息集包括的用户账户数量、用于表示指定社交关系密集度的集合划分指标参数、以及所述社交信息集中的中心账户与所述目标账户的社交关系;且若所述社交信息集为有权图,所述集合划分指标参数与以下信息正相关:各节点的邻居节点数量、节点之间的连接边的权重、所述有权图中连接边的总数量、属于同一社交信息集的节点数量;其中,所述中心账户为所述社交信息集中邻居账户最多的用户账户,根据以下公式获取所述集合划分指标参数:
其中,kv=∑u∈Nbr(v)Avu,Nbr(v)是节点v的邻居节点集合;
m为节点之间的连接边的总数量、Avw为节点v与节点w之间的连接边的权重(调整参数)、kv为与节点v相连的邻居节点的度数之和、kw为与节点w相连的邻居节点的度数之和;cv为节点v所在的社区、cw为节点w所在的社区,当cv与cw相同时,δ(cv,cw)为第一设定参数,否则,δ(cv,cw)为第二设定参数;
若所述参考参数满足预设的参数要求,则所述邻居账户所属的社交信息集允许并入新的账户;若所述参考参数不满足预设的参数要求,则所述邻居账户所属的社交信息集不允许并入新的账户,其中,所述参数要求包括:所述中心账户与所述目标账户的社交关系满足指定社交关系,所述用户账户数量满足指定数量要求,且并入所述目标账户前后集合划分指标参数的差值满足预设差值要求;
若所述邻居账户所属的社交信息集允许并入新的账户,则将所述目标账户并入所述邻居账户所在的社交信息集。
2.根据权利要求1所述的方法,其特征在于,将所述目标账户并入所述邻居账户的社交信息集之后,所述方法还包括:
更新所述社交信息集内的中心账户;
基于更新后的所述中心账户更新所述社交信息集中各用户账户与所述更新后的所述中心账户之间的社交关系。
3.根据权利要求2所述的方法,其特征在于,所述基于更新后的所述中心账户更新所述社交信息集中各用户账户与所述更新后的所述中心账户之间的社交关系之后,所述方法还包括:
对所述社交信息集内的任意用户账户,若所述用户账户与更新后的所述中心账户之间的社交关系的亲密度低于预设亲密度,则将所述用户账户从所述社交信息集中移除,所述亲密度表示为用户账户之间的人际关系的亲疏。
4.根据权利要求1-3中任一所述的方法,其特征在于,针对任意两用户账户,根据以下方法解析所述两用户账户之间的社交关系:
若所述两用户账户为有权图中的节点,在所述有权图中识别所述两用户账户之间的路径,所述路径为由最少数量的连接边构成的路径;并,由所述路径上各条连接边的调整参数以及预设的调整参数关系,确定出所述两用户账户之间的社交关系;
若所述两用户账户为无权无向图中的节点,采用所述路径上的用户账户数量作为所述两用户账户之间的社交关系。
5.一种用于社交关系数据的信息处理装置,其特征在于,所述装置包括:
获取模块,被配置为执行响应于社交信息处理指令,获取目标账户及所述目标账户的社交关系数据,其中,所述社交关系数据用于记录与所述目标账户具有社交关系的邻居账户的信息;
检测模块,被配置为执行若所述目标账户与所述邻居账户当前属于不同的社交信息集,则获取所述社交信息集的参考参数;所述参考参数包括:所述社交信息集包括的用户账户数量、用于表示指定社交关系密集度的集合划分指标参数、以及所述社交信息集中的中心账户与所述目标账户的社交关系;且若所述社交信息集为有权图,所述集合划分指标参数与以下信息正相关:各节点的邻居节点数量、节点之间的连接边的权重、所述有权图中连接边的总数量、属于同一社交信息集的节点数量;其中,所述中心账户为所述社交信息集中邻居账户最多的用户账户,根据以下公式获取所述集合划分指标参数:
其中,kv=∑u∈Nbr(v)Avu,Nbr(v)是节点v的邻居节点集合;
m为节点之间的连接边的总数量、Avw为节点v与节点w之间的连接边的权重(调整参数)、kv为与节点v相连的邻居节点的度数之和、kw为与节点w相连的邻居节点的度数之和;cv为节点v所在的社区、cw为节点w所在的社区,当cv与cw相同时,δ(cv,cw)为第一设定参数,否则,δ(cv,cw)为第二设定参数;
若所述参考参数满足预设的参数要求,则所述邻居账户所属的社交信息集允许并入新的账户;若所述参考参数不满足预设的参数要求,则所述邻居账户所属的社交信息集不允许并入新的账户,其中,所述参数要求包括:所述中心账户与所述目标账户的社交关系满足指定社交关系,所述用户账户数量满足指定数量要求,且并入所述目标账户前后集合划分指标参数的差值满足预设差值要求;
并入模块,被配置为执行若所述邻居账户所属的社交信息集允许并入新的账户,则将所述目标账户并入所述邻居账户所在的社交信息集。
6.根据权利要求5所述的装置,其特征在于,所述装置还包括:
中心账户更新模块,被配置为在所述并入模块将所述目标账户并入所述邻居账户的社交信息集之后,更新所述社交信息集内的中心账户;
社交关系更新模块,被配置为执行基于更新后的所述中心账户更新所述社交信息集中各用户账户与所述更新后的所述中心账户之间的社交关系。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
移除模块,被配置为在所述社交关系更新模块执行所述基于更新后的所述中心账户更新所述社交信息集中各用户账户与所述更新后的所述中心账户之间的社交关系之后,对所述社交信息集内的任意用户账户,若所述用户账户与更新后的所述中心账户之间的社交关系的亲密度低于预设亲密度,则将所述用户账户从所述社交信息集中移除,所述亲密度表示为用户账户之间的人际关系的亲疏。
8.根据权利要求5-7中任一所述的装置,其特征在于,所述装置还包括:
解析模块,被配置为执行针对任意两用户账户,根据以下方法解析所述两用户账户之间的社交关系:
若所述两用户账户为有权图中的节点,在所述有权图中识别所述两用户账户之间的路径,所述路径为由最少数量的连接边构成的路径;并,由所述路径上各条连接边的调整参数以及预设的调整参数关系,确定出所述两用户账户之间的社交关系;
若所述两用户账户为无权无向图中的节点,采用所述路径上的用户账户数量作为所述两用户账户之间的社交关系。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的计算机存储介质;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1-4中任一项所述的用于社交关系数据的信息处理方法。
10.一种计算机存储介质,所述计算机存储介质存储有计算机程序,其特征在于,所述计算机程序被配置为执行如权利要求1-4任一项所述的用于社交关系数据的信息处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010457757.9A CN111625727B (zh) | 2020-05-26 | 2020-05-26 | 用于社交关系数据的信息处理方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010457757.9A CN111625727B (zh) | 2020-05-26 | 2020-05-26 | 用于社交关系数据的信息处理方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111625727A CN111625727A (zh) | 2020-09-04 |
CN111625727B true CN111625727B (zh) | 2023-08-08 |
Family
ID=72271125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010457757.9A Active CN111625727B (zh) | 2020-05-26 | 2020-05-26 | 用于社交关系数据的信息处理方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111625727B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113177137A (zh) * | 2021-05-27 | 2021-07-27 | 腾讯音乐娱乐科技(深圳)有限公司 | 推荐歌曲的评论信息的方法、设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108366012A (zh) * | 2018-03-08 | 2018-08-03 | 北京奇艺世纪科技有限公司 | 一种社交关系建立方法、装置及电子设备 |
CN109597924A (zh) * | 2018-09-14 | 2019-04-09 | 湖北大学 | 一种基于人工免疫网络的微博社交圈挖掘方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9147008B2 (en) * | 2012-09-13 | 2015-09-29 | Cisco Technology, Inc. | Activity based recommendations within a social networking environment based upon graph activation |
US20180129940A1 (en) * | 2016-11-08 | 2018-05-10 | Facebook, Inc. | Systems and methods for similar account determination |
-
2020
- 2020-05-26 CN CN202010457757.9A patent/CN111625727B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108366012A (zh) * | 2018-03-08 | 2018-08-03 | 北京奇艺世纪科技有限公司 | 一种社交关系建立方法、装置及电子设备 |
CN109597924A (zh) * | 2018-09-14 | 2019-04-09 | 湖北大学 | 一种基于人工免疫网络的微博社交圈挖掘方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111625727A (zh) | 2020-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109857935B (zh) | 一种信息推荐方法及装置 | |
CN110555172B (zh) | 用户关系挖掘方法及装置、电子设备和存储介质 | |
CN114116065B (zh) | 获取拓扑图数据对象的方法、装置、及电子设备 | |
CN109298948B (zh) | 分布式计算方法和系统 | |
US10108522B1 (en) | Sampling technique to adjust application sampling rate | |
CN113312563B (zh) | 信息推荐方法、装置、设备及存储介质 | |
CN111625727B (zh) | 用于社交关系数据的信息处理方法、装置和存储介质 | |
ASHTARI et al. | A novel user profile-based fuzzy approach for evaluating trust in semantic web | |
US20210142213A1 (en) | Data Partitioning with Quality Evaluation | |
WO2024088025A1 (zh) | 一种基于多维数据的5gc网元自动化纳管方法及装置 | |
CN116992982A (zh) | 模型部署方法、装置、系统、电子设备和存储介质 | |
Mochinski et al. | Developing an Intelligent Decision Support System for large-scale smart grid communication network planning | |
CN116304352A (zh) | 消息推送方法、装置、设备及存储介质 | |
CN112148347A (zh) | 一种全流程溯源管理的方法和装置 | |
JP2023537119A (ja) | ネットワークデータ分析方法、ネットワークデータ分析機能ネットワーク要素、通信システム、非一時的コンピュータ可読記憶媒体およびコンピュータプログラム | |
CN110703119B (zh) | 评估电池健康状态的方法和装置 | |
CN113064812A (zh) | 一种项目开发过程质量缺陷预测方法、装置及介质 | |
CN113076184A (zh) | 基于模糊综合评价的电力采集终端任务调度方法 | |
CN112799928A (zh) | 基于知识图谱的工业app关联性分析方法、装置及介质 | |
Li et al. | Research on large data intelligent search engine based on multilayer perceptive botnet algorithm | |
CN113568936B (zh) | 实时流数据存储方法、装置、终端设备 | |
CN113487085B (zh) | 基于联合学习框架的设备使用寿命的预测方法、装置、计算机设备及计算机可读存储介质 | |
CN113761431B (zh) | 一种校验页面完整性的方法和装置 | |
CN112529308B (zh) | 事件预测方法、装置及存储介质 | |
CN112783507B (zh) | 数据引流回放方法、装置、电子设备及可读存储介质 |
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 |