CN111641517A - 同质网络的社群划分方法、装置、计算机设备和存储介质 - Google Patents
同质网络的社群划分方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111641517A CN111641517A CN202010356641.6A CN202010356641A CN111641517A CN 111641517 A CN111641517 A CN 111641517A CN 202010356641 A CN202010356641 A CN 202010356641A CN 111641517 A CN111641517 A CN 111641517A
- Authority
- CN
- China
- Prior art keywords
- node
- community
- nodes
- transaction
- label
- 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 43
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000000638 solvent extraction Methods 0.000 claims description 8
- 230000001174 ascending effect Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000003999 initiator Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Marketing (AREA)
- Signal Processing (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请实施例属于大数据领域,涉及一种同质网络的社群划分方法、装置、计算机设备和存储介质。所述方法包括:接收金融交易信息;将金融交易信息中的交易用户作为节点,根据交易关系和交易数据构建同质网络;初始化各节点社群标签以得到社群标签集;将交易数据作为权重计算得到各节点的节点影响值、各节点对相邻节点的相对影响值;根据节点影响值和相对影响值,对各节点社群标签集进行迭代更新;当各节点社群标签集中的社群标签不再变化时,根据社群标签将同质网络划分为至少一个社群节点网络。本申请提高了社群划分的准确性。此外,本发明还涉及区块链技术,金融交易信息可以存储于区块链中。
Description
技术领域
本申请涉及大数据技术领域,尤其涉及一种同质网络的社群划分方法、装置、计算机设备和存储介质。
背景技术
同质网络指由同一类别的实体相互联系形成的网络,实际中可以是人与人或计算机与计算机组成的网络。同质网络中的人或者计算机可以看作节点,实际的同质网络可能会出现上亿个节点。同质网络中的部分节点可能会因关系紧密组成社群节点网络,社群节点网络具有重要的实用价值,比如根据社群节点网络中的核心用户进行推广、识别欺诈团伙等,因此常常需要从同质网络中划分出社群节点网络。
现有的对同质网络的划分技术通常采用结构化的分析手段,由分析人员基于已有经验,在复杂、繁琐的交易表单中进行筛选和比对,耗费大量人工成本。基于结构化数据的分析方法无法挖掘多个节点之间的相互关联,损失大量连接信息,也没有考虑节点之间重要程度的差异,无法准确识别重要节点。此外,现有的分析方法对节点的划分是不重叠的,即节点单一地属于一个社群节点网络。然而在实际中,例如欺诈团伙,包括中间人、发起人和去向人等多个角色,必然有同时存在于多个社群节点网络的节点,而现有的分析方法无法确定一个节点是否是不同社群节点网络的重叠部分,导致对同质网络社群划分的准确性较低。
发明内容
本申请实施例的目的在于提出一种同质网络的社群划分方法、装置、计算机设备和存储介质,用以解决对同质网络中社群划分准确性较低的问题。
一种同质网络的社群划分方法,所述方法包括:
接收金融交易信息;
以所述金融交易信息中的交易用户作为节点,并基于所述交易用户间的交易关系和交易数据构建同质网络;
初始化所述同质网络中各节点的社群标签,得到所述同质网络中各节点的社群标签集;
将所述交易数据作为权重对所述各节点进行计算,得到所述各节点的节点影响值,以及所述各节点对相邻节点的相对影响值;
根据所述节点影响值和所述相对影响值,对所述各节点的社群标签集进行迭代更新;迭代更新后的社群标签集中至少存在一个社群标签;
当所述各节点的社群标签集中的社群标签在迭代更新中不再变化时,根据所述各节点迭代更新后的社群标签将所述同质网络划分为至少一个社群节点网络。
为了解决上述技术问题,本申请实施例还提供一种同质网络的社群划分装置,包括:
信息接收模块,用于接收金融交易信息;
网络构建模块,用于以所述金融交易信息中的交易用户作为节点,并基于所述交易用户间的交易关系和交易数据构建同质网络;
标签初始模块,用于初始化所述同质网络中各节点的社群标签,得到所述同质网络中各节点的社群标签集;
节点计算模块,用于将所述交易数据作为权重对所述各节点进行计算,得到所述各节点的节点影响值,以及所述各节点对相邻节点的相对影响值;
标签更新模块,用于根据所述节点影响值和所述相对影响值,对所述各节点的社群标签集进行迭代更新;迭代更新后的社群标签集中至少存在一个社群标签;
网络划分模块,用于当所述各节点的社群标签集中的社群标签在迭代更新中不再变化时,根据所述各节点迭代更新后的社群标签将所述同质网络划分为至少一个社群节点网络。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,包括存储器和处理器,以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述同质网络的社群划分方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述同质网络的社群划分方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:接收金融交易信息后,以金融交易信息中的交易用户作为节点,基于交易用户间的交易关系和交易数据构建同质网络,初始化同质网络中各节点的社群标签,得到同质网络中各节点的社群标签集;在计算各节点的节点影响值以及各节点对相邻节点的相对影响值时,将交易数据作为权重,考虑到了节点的重要程度,提高了计算结果的准确性;根据节点影响值和相对影响值,对各节点的社群标签集进行迭代更新,迭代更新后的社群标签集中至少存在一个社群标签,社群标签标识了节点对某个社群的归属度;当各节点的社群标签集中的社群标签在迭代更新中不再变化时,根据各节点迭代更新后的社群标签将同质网络划分为至少一个社群节点网络,存在多于一个社群标签的节点则被划分至多于一个的社群节点网络中,保证了对同质网络进行社群划分的准确性。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图;
图2根据本申请的同质网络的社群划分方法的一个实施例的流程图;
图3是一个实施例中同质网络的示意图;
图4是图2中步骤204的一种具体实施方式的流程图;
图5是图2中步骤204的另一种具体实施方式的流程图;
图6是图2中步骤205的一种具体实施方式的流程图;
图7是图2中步骤206的一种具体实施方式的流程图;
图8是根据本申请的同质网络的社群划分装置的一个实施例的结构示意图;
图9是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的同质网络的社群划分方法一般由服务器执行,相应地,同质网络的社群划分装置一般设置于服务器中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的同质网络的社群划分方法的一个实施例的流程图。所述的同质网络的社群划分方法,包括以下步骤:
步骤201,接收金融交易信息。
其中,金融交易信息可以是记录金融交易的信息,可以包括交易用户(用户名称或用户账号等)、用户账号之间的交易关系和交易金额,金融交易信息还可以包括交易时间等其他信息;交易关系可以是记录交易用户之间是否发生了金融交易,以及发生金融交易时的转账流向。金融交易信息是宏观经济研究分析的重要数据。
在一个实施例中,金融交易信息存储于区块链中。为保证上述金融交易信息的私密和安全性,金融交易信息可以存储于一区块链的节点中,通过区块链实现金融交易信息在不同平台之间的共享。区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层。
具体地,同质网络的社群划分方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式接收各终端上传的金融交易信息。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
终端中运行着各种可以进行金融交易的应用或页面,用户操纵终端进行金融交易产生金融交易信息,终端将金融交易信息上传至服务器。
在一个实施例中,金融交易信息可以存储于数据库中,服务器从数据库中获取金融交易信息。比如,服务器可以从银行等金融交易平台的服务器获取金融交易信息。
步骤202,以金融交易信息中的交易用户作为节点,并基于交易用户间的交易关系和交易数据构建同质网络。
具体地,服务器从金融交易信息中提取交易用户和交易用户间的交易关系和交易数据。服务器将交易用户作为节点,根据交易用户之间的交易关系和交易数据,确定交易用户所对应的节点之间的关系,构建同质网络。若两节点所对应的交易用户之间存在交易关系,则两节点可直接相连,且两个节点互为相邻节点。
在一个实施例中,以金融交易信息中的交易用户作为节点,并基于交易用户间的交易关系和交易数据构建同质网络的步骤包括:识别金融交易信息中的交易用户以及交易用户间的交易关系和交易数据;将识别到的交易用户作为待构建的同质网络中的节点;通过节点连接线连接存在交易关系的节点,并将与交易关系对应的交易数据标注于节点连接线,得到同质网络。
具体地,服务器通过语义识别模型识别金融交易信息中的用户名称、用户之间的交易数据,得到文本格式(TXT)的用户名称、用户之间的交易数据,其中语义识别模型可以采用已有的模型,例如BERT模型。在构建同质网络时,将文本格式表达的用户名称载入待构建的同质网络中作为节点。当节点之间存在交易关系时,以节点连接线连接这两个节点,并将对应的交易数据以文本格式标注于连接线上,从而完成同质网络的构建。
本实施例中,将识别到的交易用户作为节点,通过节点连接线连接存在交易关系的节点并将对应的交易数据标注于节点连接线上,保证了构建同质网络的准确性。
在一个实施例中,金融交易信息被分配有信息标识,对应一定范围的交易用户。服务器接收金融交易信息后读取信息标识,查询是否曾对携带该信息标识的历史金融交易数据进行处理。若曾进行过处理,从数据库中提取存储的与信息标识对应的同质网络,根据最新获取的金融交易信息对同质网络进行更新。
服务器构建的同质网络可以如图3所示,本申请以图3中的具体实施例解释所要公开的技术方案。具体地,参照图3,其中节点A、B、C和D分别是识别到的4个交易用户;节点连接线采用有向线段,标识了节点间的交易关系,交易关系用数字表示。比如,识别到节点A向节点B转账1500元,则搭建从节点A至节点B的有向线段作为节点连接线,并将交易数据1500标注于节点连接线上。
步骤203,初始化同质网络中各节点的社群标签,得到同质网络中各节点的社群标签集。
其中,社群标签可以标识节点对某个社群的归属度;社群标签集可以是一个节点社群标签组成的集合。
具体地,在构建完同质网络后,需要进行初始化。服务器向同质网络中的节点分配不同的社群号,并将节点对分配到的社群号所对应社群的归属度统一设置为默认值。社群号对应于一个社群,社群是具备某种关系的节点的集合。一个社群号和节点对该社群号的归属度组成节点的一个社群标签,节点全部的社群标签组成节点的社群标签集。
在一个实施例中,初始化同质网络中各节点的社群标签,得到同质网络中各节点的社群标签集的步骤包括:向同质网络中的各节点分别配置社群号;初始化各节点对配置的社群号的归属度;基于各节点的社群号以及与社群号对应的归属度,生成各节点的社群标签;根据各节点的社群标签分别构建各节点的社群标签集。
具体地,服务器向同质网络中的每个节点均配置一个社群号,各节点的社群号互不相同。服务器初始化各节点对配置的社群号的归属度,统一设置为1。在后期的迭代更新中,归属度的变化区间为[0,1]。服务器组合节点的社群号以及与社群号对应的归属度,得到节点的一个社群标签。节点社群标签的集合是节点的社群标签集。在初始化时,节点的社群标签集中仅有一个社群标签。
举例说明,参考图3,在初始化时,服务器向节点A、B、C和D依次分配社群号a、b、c和d,节点对社群号的归属度为B=1。则节点A的社群标签为l(a,1),节点A的社群标签集为{l(a,1)},同理可得节点B、C和D的社群标签集依次为:{l(b,1)}、{l(c,1)}和{l(d,1)}。
本实施例中,初始化各节点的社群号以及相应的归属度,并生成社群标签和社群标签集,保证了后续社群划分的正常进行。
步骤204,将交易数据作为权重对各节点进行计算,得到各节点的节点影响值,以及各节点对相邻节点的相对影响值。
其中,节点影响值可以是节点在同质网络中影响力的评估值;相对影响值可以是节点对同质网络中的一个相邻节点影响力的评估值。
具体地,节点通过交易数据在同质网络中产生影响力。服务器将交易数据作为权重,按照预设的节点计算方式进行计算,得到各节点在同质网络中的节点影响值。再根据计算得到的节点影响值,计算各节点对其相邻节点的相对影响值。
步骤205,根据节点影响值和相对影响值,对各节点的社群标签集进行迭代更新;迭代更新后的社群标签集中至少存在一个社群标签。
具体地,服务器根据节点影响值对节点进行升序排序,将排序顺序作为各节点社群标签集的更新顺序。服务器是以节点的相邻节点的社群标签集,对节点的社群标签集进行更新。
在进行迭代更新时,节点自身原有的社群标签不对自身产生影响。服务器获取节点的相邻节点对节点的相对影响值和相邻节点的社群标签,计算节点对相邻节点社群标签中社群号的归属度。服务器根据数值从计算得到的归属度中进行筛选,将筛选到的至少一个归属度和与其对应的社群号组合为节点新的社群标签,得到迭代更新后的社群标签集。迭代更新后的社群标签集中,至少存在一个社群标签,且社群标签内的社群号互不相同。
参照图3,假设节点迭代更新的顺序为:A、B、C、D,服务器先对节点A的社群标签集α进行迭代更新,得到α′。接下来对节点B的社群标签集β进行更新时,节点A的社群标签集以α′为准对β进行更新。
步骤206,当各节点的社群标签集中的社群标签在迭代更新中不再变化时,根据各节点迭代更新后的社群标签将同质网络划分为至少一个社群节点网络。
其中,社群节点网络可以是由金融交易中具有一定紧密联系的节点组成的网络,是同质网络的子网络。
具体地,服务器在对同质网络中的各节点完成一轮迭代更新后,比较当前各节点的社群标签集与上一轮迭代更新后的社群标签集是否一致;若不一致,则继续对各节点的社群标签集进行迭代更新;若一致,各节点的社群标签集未发生任何变化,则停止迭代,读取各节点当前社群标签集中社群标签的社群号,将具备相同社群号的节点划入同一个社群节点网络。服务器从同质网络中划分出至少一个社群节点网络。
当节点的社群标签中存在多于一个的社群标签时,节点被划分到多于一个的社群节点网络,成为重叠节点。
社群标签集在迭代更新中未发生变化,包括:社群标签数量未发生变化,社群号未发生变化,与社群号所对应的归属度未发生变化。
本实施例中,接收金融交易信息后,以金融交易信息中的交易用户作为节点,基于交易用户间的交易关系和交易数据构建同质网络,初始化同质网络中各节点的社群标签,得到同质网络中各节点的社群标签集;在计算各节点的节点影响值以及各节点对相邻节点的相对影响值时,将交易数据作为权重,考虑到了节点的重要程度,提高了计算结果的准确性;根据节点影响值和相对影响值,对各节点的社群标签集进行迭代更新,迭代更新后的社群标签集中至少存在一个社群标签,社群标签标识了节点对某个社群的归属度;当各节点的社群标签集中的社群标签在迭代更新中不再变化时,根据各节点迭代更新后的社群标签将同质网络划分为至少一个社群节点网络,存在多于一个社群标签的节点则被划分至多于一个的社群节点网络中,保证了对同质网络进行社群划分的准确性。
进一步的,如图4所示,上述步骤204中,计算节点影响值可以包括:
步骤2041,将交易数据作为权重,根据交易关系计算各节点的交易权重值。
其中,交易权重值可以是与节点相关的交易数据在同质网络中影响力的衡量值。
具体地,参照图3,节点A共有三条节点连接线(A-B、A-C、A-D),将三条节点连接线上的交易数据相加得到节点A的节点交易金额kA。
代入图3数据可得:kA=1000+1500+10000=12500;
节点A有3个邻接三角形(A-B-C、A-D-C、A-B-D),三角形的边是节点连接线,对三条节点连接线上的交易数据求平均值可得各邻接三角形的三角形权重,再将三个三角形权重相加得到节点A的权重eA。
对于节点A的邻接三角形ABC有:
eABC=(1500+10000+20000)/3=10500
同理可得:eADc=13666,eABD=4166
eA=10500+13666+4166=28332
同理可得:eB=39666,eC=46666,eD=40332。
对于同质网络中的每个节点,将节点交易金额km和权重em分别相加,得到节点的交易权重值(km+em)。
步骤2042,对于同质网络中的各个节点,从节点的相邻节点所对应的交易权重值中,筛选最大交易权重值和最小交易权重值。
具体地,服务器从节点及其相邻节点的交易权重值中,筛选数值最大的交易权重值和数值最小的交易权重值,将数值最大的交易权重值作为最大交易权重值maxj∈V(kj+ej),将数值最小的交易权重值作为最小交易权重值mini∈V(ei+ki)。
对于图3,易得在对节点A进行计算时,节点A及其相邻节点中,最大交易权重值来自节点C,最小交易权重值来自节点A,其中maxj∈V(kj+ej)=kC+eC=60000+46666=106666,mini∈V(ki+ei)=kA+eA=12500+28332=40832。
步骤2043,根据节点的交易权重值、最大交易权重值和最小交易权重值,计算节点在同质网络中的节点影响值。
具体地,可按照下面的公式(1)计算节点A的节点影响值:
其中,eA是节点A的权重,kA是节点A的节点交易金额,maxj∈V(kj+ej)是节点A及其相邻节点中的最大交易权重值,mini∈V(ei+ki)是节点A及其相邻节点中的最小交易权重值。
据此,可得节点A的节点影响值为0.5。服务器按照相同方法,计算其余各节点的节点影响值。
本实施例中,在进行节点分析、计算节点影响值时,将交易数据作为权重代入计算,考虑到了节点所对应的用户之间在金融交易时的差异,提高了计算的节点影响值的准确性。
进一步的,如图5所示,上述步骤204中,计算各节点对相邻节点的相对影响值可以包括:
步骤2044,根据交易关系和交易数据,计算每对相邻节点间的相似度。
其中,相似度可以是互为相邻节点的两个节点相似程度的评估值。
具体地,在计算每对相邻节点间的相似度时,需要根据交易关系和交易数据计算两个相邻节点之间的路径权重。路径权重的计算需要考虑相邻节点的一度关系以及二度关系。
参考图3,节点A与节点C互为相邻节点,当节点A与节点C直接通过节点连接线相连时属于两者的一度关系;当节点A先通过节点D(或者节点B),再到达节点C时,属于两者的二度关系。
对于图3中的节点A与节点C,在一度关系时有A-C,一度路径权重为:对于第一网络节点A与第二网络节点C之间具有一条节点连接线时,即A-C,此时得出一度路径权重∑WAC1=10000;
则节点A相对于节点C的路径权重s(A,C)=10000+13125=23125。
以∑x∈Ng(A)s(A,x)表示节点A的所有相邻节点相对于A的s之和,则有:
∑x∈Ng(A)s(A,x)=s(A,D)+s(A,C)+s(A,B)=15750+23125+13625=52500,
同理可得:∑y∈Ng(C)s(C,y)=s(C,D)+s(C,A)+s(C,B)=42125+23125+34750=100000。
服务器按照下述的公式(2)计算节点A与节点C之间的相似度Sim:
将上述数据代入有:
0.32即为节点A与节点C的相似度,服务器按照相同方法计算相邻节点间的相似度。节点C有另两个相邻节点B和D,同理可得:Sim(B,C)=0.39,Sim(D,C)=0.45。
步骤2045,对于同质网络中的各个节点,从节点的相邻节点所对应的相似度中确定相邻节点的最大相似度。
具体地,节点C与节点A之间有相似度,节点C与节点B之间有相似度,节点C与节点D之间有相似度。在以节点A作为主体,计算节点A对相邻节点C的相对影响值时,从节点C所对应的三个相似度中,按照数值大小,筛选最大的相似度作为节点C的最大相似度maxh∈Ng(C)sim(h,C),易得节点C与节点D之间的相似度0.45是节点C的最大相似度。
步骤2046,基于节点的节点影响值、节点与相邻节点间的相似度和相邻节点的最大相似度,计算节点对相邻节点的相对影响值。
具体地,参照图3,节点A对节点C的相对影响值NNIA(C)按照下述的公式(3)进行计算:
其中,NIA是节点A的节点影响值,Sim(A,C)是节点A与节点C的相似度,h是节点C的相邻节点,maxh∈Ng(C)sim(h,C)是取节点C与其相邻节点的相似度的最大值,其中节点D与节点C具有最大相似度0.45,代入数据可得:
本实施例中,在节点影响值的基础上计算相邻节点间的相似度,并在相似度和节点影响值的基础上计算节点对相邻节点的相对影响值,计算节点影响值时将交易数据作为权重保证了节点影响值的准确性,从而保证了最后计算相对影响值的准确性。
进一步的,如图6所示,上述步骤205可以包括:
步骤2051,根据节点影响值,将各节点进行升序排序,得到更新顺序序列。
具体地,在对节点的社群标签集进行迭代更新之前,先确定更新顺序。服务器根据节点影响值的数值大小,对各节点进行升序排序,以排序后的有序序列作为更新顺序序列。更新顺序序列中,节点的排列顺序决定了节点社群标签集的更新顺序。节点影响值最大的节点最后进行迭代更新,保证其社群标签可以最大程度地得到传播,影响其他节点。
步骤2052,对于更新顺序序列的每个节点,依次获取节点的各相邻节点对节点的相对影响值以及节点的第一标签集;第一标签集由各相邻节点社群标签集中具有最大归属度的社群标签组成。
具体地,服务器在根据更新顺序序列进行迭代更新时,对于当前需要更新的节点,查询其相邻节点。服务器从各相邻节点的社群标签集中,分别查找具有最大归属度的社群标签,将查找到的各社群标签进行组合,得到节点的第一标签集;第一标签集用于对节点的社群标签集进行更新。服务器还需要获取节点的各相邻节点对节点的相对影响值。
每个社群标签集均存在主标签,主标签是社群标签集中具有最大归属度的社群标签,即第一标签集由各相邻节点的主标签组成。
对于节点u∈{A,B,C,D},在更新节点u的社群标签集时,先获取节点u的相邻节点的主标签集合LNg,即第一标签集:
LNg={l(c1,B1),l(c2,B2),…l(cv,Bv)},v∈Ng(u)
其中l(cv,Bv)表示相邻节点v的主标签,Bv表示上轮迭代后,节点v对社群号cv这个社群的从属度。
步骤2053,基于相对影响值,计算节点对第一标签集中各社群标签内社群号的归属度,得到第二标签集。
具体地,通过公式(3)计算节点对第一标签集中各社群标签内社群号的归属度:
其中,NNIv(u)是节点u的相邻节点v,对节点u的相对影响值;B(Cv,v)是节点v对社群号Cv的归属度;c是LNg中的一个社群号;在进行计算时,第一标签集中所有的归属度均参与分母运算,第一标签集中社群号为c的归属度参与分子运算;B′(c,u)是节点u对第一标签集中社群号为c的社群的归属度。
计算完节点对第一标签集内各社群号的归属度B′(c,u)后,将归属度B′(c,u)及与其对应的社群号进行组合,得到多个社群标签,根据多个标签得到节点的第二标签集。
在一个实施例中,在根据公式(3)对一个节点完成计算后,得到新标签集L′Ng(用|L′|表示LNg′中新的社群标签个数,|L′|等于第一标签集中社群标签的数量,且等于节点u的相邻节点的数量):
L′Ng中部分社群标签的归属度可能小于1/|L′|,此类归属度过低,可将其所在的社群标签从|L′|中删除,得到社群标签集L″Ng。此时L″Ng中所有归属度相加不等于1,进行归一化:
将归一化之后的社群标签集L″Ng作为节点的第二标签集。
步骤2054,从第二标签集中,筛选归属度符合预设归属度条件的至少一个社群标签。
其中,预设归属度条件可以是预设的筛选归属度的条件。
具体地,服务器获取预设归属度条件,根据预设归属度条件,从第二标签集中查找符合预设归属度条件的归属度,筛选查找到的归属度所在的社群标签。服务器可根据预设归属度条件,从第二标签集中筛选到至少一个社群标签。
在一个实施例中,服务器查找最大归属度,获取预设区间调节值,将最大归属度作为区间右端点,以最大归属度和预设区间调节值的差值作为区间左端点,得到一个闭区间。服务器筛选归属度在闭区间内的社群标签。
举例说明,第二标签集中有3个社群标签,归属度依次为:0.6、0.3和0.1。则0.6为最大归属度,预设区间调节值为0.3,则区间左端点为0.6-0.3=0.3,得到闭区间[0.3,0.6]。则筛选出两个社群标签,分别是归属度0.6和0.3所在的社群标签。
步骤2055,将筛选到的至少一个社群标签作为迭代更新后节点的社群标签集。
具体地,服务器根据筛选到的至少一个社群标签得到社群标签集,新得到的社群标签集是节点在本轮迭代更新后的社群标签集。
本实施例中,根据节点影响值将各节点进行升序排序,按照排序进行迭代更新,保证了节点影响值最大的节点可以产生最大的影响。对每个节点更新时,获取节点的各相邻节点对节点的相对影响值以及节点的第一标签集,第一标签集内是各相邻节点社群标签集中具有最大归属度的社群标签;基于相对影响值,计算节点对第一标签集中各社群标签内社群号的归属度,得到第二标签集,第二标签集的计算充分考虑了相邻节点的影响;从第二标签集中筛选归属度符合预设归属度条件的至少一个社群标签,从而得到节点迭代更新后的社群标签集,保证了更新社群标签集的准确性。
进一步的,如图7所示,上述步骤206可以包括:
步骤2061,在对各节点完成每轮迭代更新后,将各节点的社群标签集中具备最大归属度的社群标签,确定为各节点社群标签集的主标签。
具体地,服务器对同质网络中的各节点完成一轮迭代更新后,比较各节点社群标签集内社群标签的归属度,查找最大归属度,将最大归属度所在的社群标签,作为各节点社群标签集中的主标签。
步骤2062,比较各节点当前的主标签,与前次迭代后各节点的主标签是否发生变化。
具体地,服务器获取前次迭代更新后各节点的主标签,比较当前的主标签与前次迭代更新后的主标签是否发生变化。其中,变化包括主标签社群号变化和归属度变化中的至少一种。
步骤2063,若未发生变化,根据各节点当前社群标签的社群号,将同质网络划分为至少一个社群节点网络。
具体地,若各节点在本轮迭代更新后的主标签相较前次迭代更新后的主标签未发生变化,对同质网络的运算已收敛,同质网络已稳定。服务器读取各节点当前社群标签集中的社群号,将具有相同社群号的节点划分入一个社群节点网络。服务器从同质网络中划分出至少一个社群节点网络。若各节点在本轮迭代更新后的主标签相较前次迭代更新后的主标签发生了变化,则继续进行迭代更新。
节点可被划入多个社群节点网络,当节点的社群标签中存在多于一个的社群标签时,节点被划分到多于一个的社群节点网络,成为重叠节点。
在实际应用中,在金融交易中具有紧密联系的交易用户可通过本申请的实施例被划分到同一个社群节点网络中。例如包含欺诈网络团体的同质网络,可在一定次数的迭代更新后稳定,欺诈团伙所代表的节点被划入一个社群节点网络中。
本实施例中,在完成每轮迭代更新后,从各节点的社群标签集中筛选主标签;如果各节点当前的主标签,相较与前次迭代后的主标签未发生变化,则同质网络趋于稳定,根据各节点当前社群标签的社群号,可以准确地从同质网络划分出社群节点网络。
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,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图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,其可以以其他的顺序执行。而且,附图的流程图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,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他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。
进一步参考图8,作为对上述图2所示方法的实现,本申请提供了一种同质网络的社群划分装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,本实施例所述的同质网络的社群划分装置400包括:信息接收模块401、网络构建模块402、标签初始模块403、节点计算模块404、标签更新模块405以及网络划分模块406。其中:
信息接收模块401,用于接收金融交易信息。
网络构建模块402,用于以金融交易信息中的交易用户作为节点,并基于交易用户间的交易关系和交易数据构建同质网络。
标签初始模块403,用于初始化同质网络中各节点的社群标签,得到同质网络中各节点的社群标签集。
节点计算模块404,用于将交易数据作为权重对各节点进行计算,得到各节点的节点影响值,以及各节点对相邻节点的相对影响值。
标签更新模块405,用于根据节点影响值和相对影响值,对各节点的社群标签集进行迭代更新;迭代更新后的社群标签集中至少存在一个社群标签。
网络划分模块406,用于当各节点的社群标签集中的社群标签在迭代更新中不再变化时,根据各节点迭代更新后的社群标签将同质网络划分为至少一个社群节点网络。
本实施例中,接收金融交易信息后,以金融交易信息中的交易用户作为节点,基于交易用户间的交易关系和交易数据构建同质网络,初始化同质网络中各节点的社群标签,得到同质网络中各节点的社群标签集;在计算各节点的节点影响值以及各节点对相邻节点的相对影响值时,将交易数据作为权重,考虑到了节点的重要程度,提高了计算结果的准确性;根据节点影响值和相对影响值,对各节点的社群标签集进行迭代更新,迭代更新后的社群标签集中至少存在一个社群标签,社群标签标识了节点对某个社群的归属度;当各节点的社群标签集中的社群标签在迭代更新中不再变化时,根据各节点迭代更新后的社群标签将同质网络划分为至少一个社群节点网络,存在多于一个社群标签的节点则被划分至多于一个的社群节点网络中,保证了对同质网络进行社群划分的准确性。
在本实施例的一些可选的实现方式中,上述网络构建模块402进一步用于识别金融交易信息中的交易用户以及交易用户间的交易关系和交易数据;将识别到的交易用户作为待构建的同质网络中的节点;通过节点连接线连接存在交易关系的节点,并将与交易关系对应的交易数据标注于节点连接线,得到同质网络。
本实施例中,将识别到的交易用户作为节点,通过节点连接线连接存在交易关系的节点并将对应的交易数据标注于节点连接线上,保证了构建同质网络的准确性。
在本实施例的一些可选的实现方式中,上述标签初始模块403进一步用于向同质网络中的各节点分别配置社群号;初始化各节点对配置的社群号的归属度;基于各节点的社群号以及与社群号对应的归属度,生成各节点的社群标签;根据各节点的社群标签分别构建各节点的社群标签集。
本实施例中,初始化各节点的社群号以及相应的归属度,并生成社群标签和社群标签集,保证了后续社群划分的正常进行。
在本实施例的一些可选的实现方式中,上述节点计算模块404进一步用于将交易数据作为权重,根据交易关系计算各节点的交易权重值;对于同质网络中的各个节点,从节点的相邻节点所对应的交易权重值中,筛选最大交易权重值和最小交易权重值;根据节点的交易权重值、最大交易权重值和最小交易权重值,计算节点在同质网络中的节点影响值。
本实施例中,在进行节点分析、计算节点影响值时,将交易数据作为权重代入计算,考虑到了节点所对应的用户之间在金融交易时的差异,提高了计算的节点影响值的准确性。
在本实施例的一些可选的实现方式中,上述节点计算模块404进一步用于根据交易关系和交易数据,计算每对相邻节点间的相似度;对于同质网络中的各个节点,从节点的相邻节点所对应的相似度中确定相邻节点的最大相似度;基于节点的节点影响值、节点与相邻节点间的相似度和相邻节点的最大相似度,计算节点对相邻节点的相对影响值。
本实施例中,在节点影响值的基础上计算相邻节点间的相似度,并在相似度和节点影响值的基础上计算节点对相邻节点的相对影响值,计算节点影响值时将交易数据作为权重保证了节点影响值的准确性,从而保证了最后计算相对影响值的准确性。
在本实施例的一些可选的实现方式中,上述标签更新模块405进一步用于根据节点影响值,将各节点进行升序排序,得到更新顺序序列;对于更新顺序序列的每个节点,依次获取节点的各相邻节点对节点的相对影响值以及节点的第一标签集;第一标签集由各相邻节点社群标签集中具有最大归属度的社群标签组成;基于相对影响值,计算节点对第一标签集中各社群标签内社群号的归属度,得到第二标签集;从第二标签集中,筛选归属度符合预设归属度条件的至少一个社群标签;将筛选到的至少一个社群标签作为迭代更新后节点的社群标签集。
本实施例中,根据节点影响值将各节点进行升序排序,按照排序进行迭代更新,保证了节点影响值最大的节点可以产生最大的影响。对每个节点更新时,获取节点的各相邻节点对节点的相对影响值以及节点的第一标签集,第一标签集内是各相邻节点社群标签集中具有最大归属度的社群标签;基于相对影响值,计算节点对第一标签集中各社群标签内社群号的归属度,得到第二标签集,第二标签集的计算充分考虑了相邻节点的影响;从第二标签集中筛选归属度符合预设归属度条件的至少一个社群标签,从而得到节点迭代更新后的社群标签集,保证了更新社群标签集的准确性。
在本实施例的一些可选的实现方式中,上述网络划分模块406进一步用于在对各节点完成每轮迭代更新后,将各节点的社群标签集中具备最大归属度的社群标签,确定为各节点社群标签集的主标签;比较各节点当前的主标签,与前次迭代后各节点的主标签是否发生变化;若未发生变化,根据各节点当前社群标签的社群号,将同质网络划分为至少一个社群节点网络。
本实施例中,在完成每轮迭代更新后,从各节点的社群标签集中筛选主标签;如果各节点当前的主标签,相较与前次迭代后的主标签未发生变化,则同质网络趋于稳定,根据各节点当前社群标签的社群号,可以准确地从同质网络划分出社群节点网络。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图9,图9为本实施例计算机设备基本结构框图。
所述计算机设备5包括通过系统总线相互通信连接存储器51、处理器52、网络接口53。需要指出的是,图中仅示出了具有组件51-53的计算机设备5,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器51至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器51可以是所述计算机设备5的内部存储单元,例如该计算机设备5的硬盘或内存。在另一些实施例中,所述存储器51也可以是所述计算机设备5的外部存储设备,例如该计算机设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器51还可以既包括所述计算机设备5的内部存储单元也包括其外部存储设备。本实施例中,所述存储器51通常用于存储安装于所述计算机设备5的操作系统和各类应用软件,例如同质网络的社群划分方法的程序代码等。此外,所述存储器51还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器52在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器52通常用于控制所述计算机设备5的总体操作。本实施例中,所述处理器52用于运行所述存储器51中存储的程序代码或者处理数据,例如运行所述X方法的程序代码。
所述网络接口53可包括无线网络接口或有线网络接口,该网络接口53通常用于在所述计算机设备5与其他电子设备之间建立通信连接。
本实施例中提供的计算机设备可以执行上述同质网络的社群划分方法的步骤。此处同质网络的社群划分方法的步骤可以是上述各个实施例的同质网络的社群划分方法中的步骤。
本实施例中,接收金融交易信息后,以金融交易信息中的交易用户作为节点,基于交易用户间的交易关系和交易数据构建同质网络,初始化同质网络中各节点的社群标签,得到同质网络中各节点的社群标签集;在计算各节点的节点影响值以及各节点对相邻节点的相对影响值时,将交易数据作为权重,考虑到了节点的重要程度,提高了计算结果的准确性;根据节点影响值和相对影响值,对各节点的社群标签集进行迭代更新,迭代更新后的社群标签集中至少存在一个社群标签,社群标签标识了节点对某个社群的归属度;当各节点的社群标签集中的社群标签在迭代更新中不再变化时,根据各节点迭代更新后的社群标签将同质网络划分为至少一个社群节点网络,存在多于一个社群标签的节点则被划分至多于一个的社群节点网络中,保证了对同质网络进行社群划分的准确性。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有同质网络的社群划分程序,所述同质网络的社群划分程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的同质网络的社群划分程序方法的步骤。
本实施例中,接收金融交易信息后,以金融交易信息中的交易用户作为节点,基于交易用户间的交易关系和交易数据构建同质网络,初始化同质网络中各节点的社群标签,得到同质网络中各节点的社群标签集;在计算各节点的节点影响值以及各节点对相邻节点的相对影响值时,将交易数据作为权重,考虑到了节点的重要程度,提高了计算结果的准确性;根据节点影响值和相对影响值,对各节点的社群标签集进行迭代更新,迭代更新后的社群标签集中至少存在一个社群标签,社群标签标识了节点对某个社群的归属度;当各节点的社群标签集中的社群标签在迭代更新中不再变化时,根据各节点迭代更新后的社群标签将同质网络划分为至少一个社群节点网络,存在多于一个社群标签的节点则被划分至多于一个的社群节点网络中,保证了对同质网络进行社群划分的准确性。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种同质网络的社群划分方法,其特征在于,包括下述步骤:
接收金融交易信息;
以所述金融交易信息中的交易用户作为节点,并基于所述交易用户间的交易关系和交易数据构建同质网络;
初始化所述同质网络中各节点的社群标签,得到所述同质网络中各节点的社群标签集;
将所述交易数据作为权重对所述各节点进行计算,得到所述各节点的节点影响值,以及所述各节点对相邻节点的相对影响值;
根据所述节点影响值和所述相对影响值,对所述各节点的社群标签集进行迭代更新;迭代更新后的社群标签集中至少存在一个社群标签;
当所述各节点的社群标签集中的社群标签在迭代更新中不再变化时,根据所述各节点迭代更新后的社群标签将所述同质网络划分为至少一个社群节点网络。
2.根据权利要求1所述的同质网络的社群划分方法,其特征在于,所述以所述金融交易信息中的交易用户作为节点,并基于所述交易用户间的交易关系和交易数据构建同质网络的步骤包括:
识别所述金融交易信息中的交易用户以及所述交易用户间的交易关系和交易数据;
将识别到的交易用户作为待构建的同质网络中的节点;
通过节点连接线连接存在交易关系的节点,并将与所述交易关系对应的交易数据标注于所述节点连接线,得到同质网络。
3.根据权利要求1所述的同质网络的社群划分方法,其特征在于,所述初始化所述同质网络中各节点的社群标签,得到所述同质网络中各节点的社群标签集的步骤包括:
向所述同质网络中的各节点分别配置社群号;
初始化所述各节点对配置的社群号的归属度;
基于所述各节点的社群号以及与社群号对应的归属度,生成所述各节点的社群标签;
根据所述各节点的社群标签分别构建所述各节点的社群标签集。
4.根据权利要求1所述的同质网络的社群划分方法,其特征在于,所述将所述交易数据作为权重对所述各节点进行计算,得到所述各节点的节点影响值的步骤包括:
将所述交易数据作为权重,根据所述交易关系计算所述各节点的交易权重值;
对于所述同质网络中的各个节点,从节点的相邻节点所对应的交易权重值中,筛选最大交易权重值和最小交易权重值;
根据所述节点的交易权重值、所述最大交易权重值和所述最小交易权重值,计算所述节点在所述同质网络中的节点影响值。
5.根据权利要求4所述的同质网络的社群划分方法,其特征在于,所述各节点对相邻节点的相对影响值的计算步骤包括:
根据交易关系和交易数据,计算每对相邻节点间的相似度;
对于所述同质网络中的各个节点,从节点的相邻节点所对应的相似度中确定相邻节点的最大相似度;
基于所述节点的节点影响值、所述节点与所述相邻节点间的相似度和所述相邻节点的最大相似度,计算所述节点对所述相邻节点的相对影响值。
6.根据权利要求3所述的同质网络的社群划分方法,其特征在于,所述根据所述节点影响值和所述相对影响值,对所述各节点的社群标签集进行迭代更新的步骤包括:
根据所述节点影响值,将所述各节点进行升序排序,得到更新顺序序列;
对于所述更新顺序序列的每个节点,依次获取节点的各相邻节点对所述节点的相对影响值以及所述节点的第一标签集;所述第一标签集由所述各相邻节点社群标签集中具有最大归属度的社群标签组成;
基于所述相对影响值,计算所述节点对所述第一标签集中各社群标签内社群号的归属度,得到第二标签集;
从所述第二标签集中,筛选归属度符合预设归属度条件的至少一个社群标签;
将筛选到的至少一个社群标签作为迭代更新后所述节点的社群标签集。
7.根据权利要求3所述的同质网络的社群划分方法,其特征在于,所述当所述各节点的社群标签集中的社群标签在迭代更新中不再变化时,根据所述各节点迭代更新后的社群标签将所述同质网络划分为至少一个社群节点网络的步骤包括:
在对所述各节点完成每轮迭代更新后,将所述各节点的社群标签集中具备最大归属度的社群标签,确定为所述各节点社群标签集的主标签;
比较所述各节点当前的主标签,与前次迭代后所述各节点的主标签是否发生变化;
若未发生变化,根据所述各节点当前社群标签的社群号,将所述同质网络划分为至少一个社群节点网络。
8.一种同质网络的社群划分装置,其特征在于,包括:
信息接收模块,用于接收金融交易信息;
网络构建模块,用于以所述金融交易信息中的交易用户作为节点,并基于所述交易用户间的交易关系和交易数据构建同质网络;
标签初始模块,用于初始化所述同质网络中各节点的社群标签,得到所述同质网络中各节点的社群标签集;
节点计算模块,用于将所述交易数据作为权重对所述各节点进行计算,得到所述各节点的节点影响值,以及所述各节点对相邻节点的相对影响值;
标签更新模块,用于根据所述节点影响值和所述相对影响值,对所述各节点的社群标签集进行迭代更新;迭代更新后的社群标签集中至少存在一个社群标签;
网络划分模块,用于当所述各节点的社群标签集中的社群标签在迭代更新中不再变化时,根据所述各节点迭代更新后的社群标签将所述同质网络划分为至少一个社群节点网络。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的同质网络的社群划分方法的步骤。
10.一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执行时实现如权利要求1至7中任一项所述的同质网络的社群划分方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010356641.6A CN111641517A (zh) | 2020-04-29 | 2020-04-29 | 同质网络的社群划分方法、装置、计算机设备和存储介质 |
PCT/CN2020/105766 WO2021217933A1 (zh) | 2020-04-29 | 2020-07-30 | 同质网络的社群划分方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010356641.6A CN111641517A (zh) | 2020-04-29 | 2020-04-29 | 同质网络的社群划分方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111641517A true CN111641517A (zh) | 2020-09-08 |
Family
ID=72330994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010356641.6A Pending CN111641517A (zh) | 2020-04-29 | 2020-04-29 | 同质网络的社群划分方法、装置、计算机设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111641517A (zh) |
WO (1) | WO2021217933A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112116403A (zh) * | 2020-09-28 | 2020-12-22 | 中国建设银行股份有限公司 | 一种信息推荐方法、装置及设备 |
CN114124484A (zh) * | 2021-11-09 | 2022-03-01 | 招商银行股份有限公司 | 网络攻击识别方法、系统、装置、终端设备以及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150019639A1 (en) * | 2013-07-10 | 2015-01-15 | Facebook, Inc. | Network-aware Product Rollout in Online Social Networks |
CN105913235A (zh) * | 2016-04-21 | 2016-08-31 | 中国农业银行股份有限公司 | 一种客户转账关系分析方法及系统 |
CN106951524A (zh) * | 2017-03-21 | 2017-07-14 | 哈尔滨工程大学 | 基于节点影响力的重叠社区发现方法 |
CN108681936A (zh) * | 2018-04-26 | 2018-10-19 | 浙江邦盛科技有限公司 | 一种基于模块度和平衡标签传播的欺诈团伙识别方法 |
CN110647590A (zh) * | 2019-09-23 | 2020-01-03 | 税友软件集团股份有限公司 | 一种目标社群数据的识别方法及相关装置 |
CN110880150A (zh) * | 2018-09-05 | 2020-03-13 | 华为技术有限公司 | 社区发现方法、装置、设备和可读存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8126820B1 (en) * | 2007-01-30 | 2012-02-28 | Intuit Inc. | Community to support the definition and sharing of source trust level configurations |
US9462066B2 (en) * | 2012-08-21 | 2016-10-04 | Facebook, Inc. | Social action by quick response (QR) code |
CN103678669B (zh) * | 2013-12-25 | 2017-02-08 | 福州大学 | 一种社交网络中的社区影响力评估系统及方法 |
CN106296426A (zh) * | 2016-08-01 | 2017-01-04 | 温州医科大学附属第医院 | 一种重叠社区确定方法及装置 |
CN106355506B (zh) * | 2016-08-15 | 2020-01-14 | 中南大学 | 一种在线社会网络中影响力最大化初始节点选取方法 |
CN108073944A (zh) * | 2017-10-18 | 2018-05-25 | 南京邮电大学 | 一种基于局部影响力的标签传播社区发现方法 |
CN110503568A (zh) * | 2019-08-19 | 2019-11-26 | 阿里巴巴集团控股有限公司 | 一种社区划分方法、系统及设备 |
-
2020
- 2020-04-29 CN CN202010356641.6A patent/CN111641517A/zh active Pending
- 2020-07-30 WO PCT/CN2020/105766 patent/WO2021217933A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150019639A1 (en) * | 2013-07-10 | 2015-01-15 | Facebook, Inc. | Network-aware Product Rollout in Online Social Networks |
CN105913235A (zh) * | 2016-04-21 | 2016-08-31 | 中国农业银行股份有限公司 | 一种客户转账关系分析方法及系统 |
CN106951524A (zh) * | 2017-03-21 | 2017-07-14 | 哈尔滨工程大学 | 基于节点影响力的重叠社区发现方法 |
CN108681936A (zh) * | 2018-04-26 | 2018-10-19 | 浙江邦盛科技有限公司 | 一种基于模块度和平衡标签传播的欺诈团伙识别方法 |
CN110880150A (zh) * | 2018-09-05 | 2020-03-13 | 华为技术有限公司 | 社区发现方法、装置、设备和可读存储介质 |
CN110647590A (zh) * | 2019-09-23 | 2020-01-03 | 税友软件集团股份有限公司 | 一种目标社群数据的识别方法及相关装置 |
Non-Patent Citations (1)
Title |
---|
陈晶等: "社交网络中基于模块度最大化的标签传播算法的研究", 《通信学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112116403A (zh) * | 2020-09-28 | 2020-12-22 | 中国建设银行股份有限公司 | 一种信息推荐方法、装置及设备 |
CN114124484A (zh) * | 2021-11-09 | 2022-03-01 | 招商银行股份有限公司 | 网络攻击识别方法、系统、装置、终端设备以及存储介质 |
CN114124484B (zh) * | 2021-11-09 | 2024-04-05 | 招商银行股份有限公司 | 网络攻击识别方法、系统、装置、终端设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2021217933A1 (zh) | 2021-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112148987B (zh) | 基于目标对象活跃度的消息推送方法及相关设备 | |
CN113127633B (zh) | 智能会议管理方法、装置、计算机设备及存储介质 | |
WO2022095352A1 (zh) | 基于智能决策的异常用户识别方法、装置及计算机设备 | |
WO2022174491A1 (zh) | 基于人工智能的病历质控方法、装置、计算机设备及存储介质 | |
WO2021174877A1 (zh) | 基于智能决策的目标检测模型的处理方法、及其相关设备 | |
CN109471978B (zh) | 一种电子资源推荐方法及装置 | |
Dehmer et al. | Generalized graph entropies | |
CA3036664A1 (en) | Method for data structure relationship detection | |
CN111784528A (zh) | 异常社群检测方法、装置、计算机设备及存储介质 | |
CN112613917A (zh) | 基于用户画像的信息推送方法、装置、设备及存储介质 | |
CN112287244A (zh) | 基于联邦学习的产品推荐方法、装置、计算机设备及介质 | |
CN110135978B (zh) | 用户金融风险评估方法、装置、电子设备和可读介质 | |
CN112365202B (zh) | 一种多目标对象的评价因子筛选方法及其相关设备 | |
CN113220734A (zh) | 课程推荐方法、装置、计算机设备及存储介质 | |
CN112785005B (zh) | 多目标任务的辅助决策方法、装置、计算机设备及介质 | |
CN112508075A (zh) | 基于横向联邦的dbscan聚类方法、及其相关设备 | |
CN113326991A (zh) | 自动授权方法、装置、计算机设备及存储介质 | |
CN112288163A (zh) | 目标对象的目标因子预测方法及相关设备 | |
CN112036483B (zh) | 基于AutoML的对象预测分类方法、装置、计算机设备及存储介质 | |
CN110866119A (zh) | 一种文章质量的确定方法、装置、电子设备及存储介质 | |
CN111641517A (zh) | 同质网络的社群划分方法、装置、计算机设备和存储介质 | |
CN112308173A (zh) | 基于多评价因子融合的多目标对象评价方法及其相关设备 | |
CN111353103A (zh) | 用于确定用户社群信息的方法和装置 | |
CN112528040B (zh) | 基于知识图谱的引导教唆语料的检测方法及其相关设备 | |
CN113283222A (zh) | 自动化报表生成方法、装置、计算机设备及存储介质 |
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 | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240312 |
|
AD01 | Patent right deemed abandoned |