CN116094952A - 网络结构相似度的确定方法、装置、设备以及存储介质 - Google Patents
网络结构相似度的确定方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN116094952A CN116094952A CN202310010319.1A CN202310010319A CN116094952A CN 116094952 A CN116094952 A CN 116094952A CN 202310010319 A CN202310010319 A CN 202310010319A CN 116094952 A CN116094952 A CN 116094952A
- Authority
- CN
- China
- Prior art keywords
- network
- node
- network topology
- similarity
- sequence
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 239000013598 vector Substances 0.000 claims description 29
- 238000004891 communication Methods 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 13
- 238000013461 design Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 101100384355 Mus musculus Ctnnbip1 gene Proteins 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 238000009828 non-uniform distribution Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- 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
- H04L41/12—Discovery or management of network topologies
Abstract
本申请涉及一种网络结构相似度的确定方法、装置、设备以及存储介质,涉及计算机网络技术领域。该方法包括:获取第一网络中每个节点的网络拓扑结构序列,得到第一序列集;一个节点的网络拓扑结构序列中的元素用于表征一个节点对应的多种网络拓扑子结构中每种网络拓扑子结构的数量,网络拓扑子结构包括一个节点以及至少一个目标节点,至少一个目标节点中存在与一个节点连接的至少一个连接节点。获取第二网络中每个节点的网络拓扑结构序列,得到第二序列集。基于第一序列集和第二序列集之间的相似度,确定第一网络与第二网络的相似度。从而确定网络结构相似度。
Description
技术领域
本申请涉及计算机网络技术领域,尤其涉及一种网络结构相似度的确定方法、装置、设备以及存储介质。
背景技术
网络结构相似度应用于信息与通信、计算机技术以及大数据等多个行业领域。具体的,网络结构相似度对于网络的链路预测、网络演化、社交社区推荐以及对比分析等应用具有至关重要的作用。
因此,如何确定网络结构相似度是当前亟需要解决的技术问题。
发明内容
本申请提供一种网络结构相似度的确定方法、装置、设备以及存储介质,以确定网络结构相似度。本申请的技术方案如下:
根据本申请实施例的第一方面,提供一种网络结构相似度的确定方法,方法包括:获取第一网络中每个节点的网络拓扑结构序列,得到第一序列集;一个节点的网络拓扑结构序列中的元素用于表征一个节点对应的多种网络拓扑子结构中每种网络拓扑子结构的数量,网络拓扑子结构包括一个节点以及至少一个目标节点,至少一个目标节点中存在与一个节点连接的至少一个连接节点。获取第二网络中每个节点的网络拓扑结构序列,得到第二序列集。基于第一序列集和第二序列集之间的相似度,确定第一网络与第二网络的相似度。
在一种可能的实施方式中,上述“获取第一网络中每个节点的网络拓扑结构序列”,包括:获取第一网络中每个节点的网络拓扑结构,并基于每个节点对应的网络拓扑结构以及预定义的多种网络拓扑结构,确定每个节点对应的多种网络拓扑子结构中每种网络拓扑子结构的数量,得到每个节点的网络拓扑结构序列。获取第一网络中每个节点的网络拓扑结构序列。
在一种可能的实施方式中,确定方法还包括:将第一节点的网络拓扑结构序列和第二节点的网络拓扑结构序列均以向量的形式表示,分别得到第一节点的网络拓扑结构向量数据以及第二节点的网络拓扑结构向量数据;第一节点为第一网络中的任一个节点,第二节点为第一网络中的任一个节点。
在一种可能的实施方式中,确定方法还包括:计算第一序列集中每个节点的网络拓扑结构序列的方差,得到第一方差集,并计算第二序列集中每个节点的网络拓扑结构序列的方差,得到第二方差集。基于第一方差集、第二方差集以及预设的相似度算法,得到第一方差集和第二方差集的相似度;基于第一方差集和第二方差集的相似度,确定第一序列集和第二序列集之间的相似度。
在一种可能的实施方式中,上述“基于第一方差集、第二方差集以及预设的相似度算法,得到第一方差集和第二方差集的相似度”,包括:将第一方差集与第二方差集进行余弦相似度计算,得到第一方差集和第二方差集的相似度。
在一种可能的实施方式中,第一网络和第二网络均为无权重、无标度网络。
第二方面,提供一种网络结构相似度的确定装置。确定装置包括:获取单元和确定单元。获取单元,用于获取第一网络中每个节点的网络拓扑结构序列,得到第一序列集;一个节点的网络拓扑结构序列中的元素用于表征一个节点对应的多种网络拓扑子结构中每种网络拓扑子结构的数量,网络拓扑子结构包括一个节点以及至少一个目标节点,至少一个目标节点中存在与一个节点连接的至少一个连接节点。获取单元,还用于获取第二网络中每个节点的网络拓扑结构序列,得到第二序列集。确定单元,用于基于第一序列集和第二序列集之间的相似度,确定第一网络与第二网络的相似度。
在一种可能的实施方式中,获取单元,具体用于:获取第一网络中每个节点的网络拓扑结构,并基于每个节点对应的网络拓扑结构以及预定义的多种网络拓扑结构,确定每个节点对应的多种网络拓扑子结构中每种网络拓扑子结构的数量,得到每个节点的网络拓扑结构序列。获取第一网络中每个节点的网络拓扑结构序列。
在一种可能的实施方式中,确定装置还包括:处理单元。处理单元,用于将第一节点的网络拓扑结构序列和第二节点的网络拓扑结构序列均以向量的形式表示,分别得到第一节点的网络拓扑结构向量数据以及第二节点的网络拓扑结构向量数据;第一节点为第一网络中的任一个节点,第二节点为第一网络中的任一个节点。
在一种可能的实施方式中,处理单元还用于:计算第一序列集中每个节点的网络拓扑结构序列的方差,得到第一方差集,并计算第二序列集中每个节点的网络拓扑结构序列的方差,得到第二方差集。处理单元,还用于:基于第一方差集、第二方差集以及预设的相似度算法,得到第一方差集和第二方差集的相似度,并基于第一方差集和第二方差集的相似度,确定第一序列集和第二序列集之间的相似度。
在一种可能的实施方式中,上述处理单元,具体用于将第一方差集与第二方差集进行余弦相似度计算,得到第一方差集和第二方差集的相似度。
在一种可能的实施方式中,第一网络和第二网络均为无权重、无标度网络。
第三方面,提供一种电子设备,包括:处理器和通信接口;通信接口和处理器耦合,处理器用于运行计算机程序或指令,以实现第一方面的网络结构相似度的确定方法。
第四方面,提供一种计算机可读存储介质,计算机可读存储介质中存储有指令,当计算机执行该指令时,该计算机执行第一方面的网络结构相似度的确定方法。
第五方面,提供一种计算机程序产品,计算机程序产品包括计算机指令,当计算机指令在电子设备上运行时,电子设备执行如第一方面的网络结构相似度的确定方法。
本申请提供了一种网络结构相似度的确定方法,带来以下有益效果:获取第一网络中每个节点的网络拓扑结构序列,得到第一序列集;一个节点的网络拓扑结构序列中的元素用于表征一个节点对应的多种网络拓扑子结构中每种网络拓扑子结构的数量,网络拓扑子结构包括一个节点以及至少一个目标节点,至少一个目标节点中存在与一个节点连接的至少一个连接节点。获取第二网络中每个节点的网络拓扑结构序列,得到第二序列集。基于第一序列集和第二序列集之间的相似度,确定第一网络与第二网络的相似度。这样,通过获取两个网络结构中每个节点的网络拓扑结构特征,并基于两个网络结构中每个节点的网络拓扑结构特征的相似度确定两个网络的相似度。
需要说明的是,第二方面至第五方面中的任一种实现方式所带来的技术效果可参见第一方面中对应实现方式所带来的技术效果,此处不再赘述。
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,并不能限制本申请。
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,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理,并不构成对本申请的不当限定。
图1为本申请实施例提供的一种网络结构相似度确定系统的示意图;
图2为本申请实施例提供的一种网络结构相似度的确定方法的流程图之一;
图3为本申请实施例提供的一种网络结构相似度的确定方法的流程图之二;
图4为本申请实施例提供的一种网络拓扑结构的示意图之一;
图5为本申请实施例提供的一种网络拓扑结构的示意图之二;
图6为本申请实施例提供的一种网络拓扑结构的示意图之三;
图7为本申请实施例提供的一种网络拓扑结构的示意图之四;
图8为本申请实施例提供的一种网络结构相似度的确定方法的流程图之三;
图9为本申请实施例提供的一种网络结构相似度的确定装置的结构示意图;
图10为本申请实施例提供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申请的技术方案,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。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在对本申请提供的网络结构相似度的确定方法进行详细介绍之前,先对本申请涉及的相关要素、应用场景、实施环境进行简单介绍。
首先,对本申请涉及的相关要素进行简单介绍。
余弦相似度,又称为余弦相似度,是通过计算两个向量的夹角余弦值来评估他们的相似度。余弦相似度将向量根据坐标值,绘制到向量空间中,如最常见的二维空间。
无标度网络,具有严重的异质性,其各节点之间的连接状况(度数)具有严重的不均匀分布性;无标度网络中少数称之为中心Hub点的节点拥有极其多的连接,而大多数节点只有很少量的连接。少数Hub点对无标度网络的运行起着主导的作用。
其次,对本申请涉及的应用场景进行简单介绍。
网络结构相似度应用于信息与通信、计算机技术以及大数据等多个行业领域。具体的,网络结构相似度对于网络的链路预测、网络演化、社交社区推荐以及对比分析等应用具有至关重要的作用。
因此,如何计算网络结构相似度是当前亟需要解决的技术问题。
针对上述问题,本申请提供了一种网络结构相似度的确定方法。该确定方法包括:获取第一网络中每个节点的网络拓扑结构序列,得到第一序列集;一个节点的网络拓扑结构序列中的元素用于表征一个节点对应的多种网络拓扑子结构中每种网络拓扑子结构的数量,网络拓扑子结构包括一个节点以及至少一个目标节点,至少一个目标节点中存在与一个节点连接的至少一个连接节点。获取第二网络中每个节点的网络拓扑结构序列,得到第二序列集。基于第一序列集和第二序列集之间的相似度,确定第一网络与第二网络的相似度。这样,通过获取两个网络结构中每个节点的网络拓扑结构特征集,并基于两个网络结构中每个节点的网络拓扑结构特征集的相似度确定两个网络的相似度。
最后,对本申请提供的方法所涉及的实施环境(实施架构)进行简单介绍。
图1为本申请的一种网络结构相似度的确定方法的实施架构图。图1示出了本申请实施例提供的一种网络结构相似度确定系统的结构示意图。如图1所示,网络结构相似度确定系统10包括网络结构相似度确定装置11以及电子设备12。网络结构相似度确定装置11与电子设备12连接。网络结构相似度确定装置11与电子设备12之间可以采用有线方式连接,也可以采用无线方式连接,本发明实施例对此不作限定。
网络结构相似度确定装置11用于获取网络中每个节点的拓扑结构,并基于每个节点的拓扑结构以及预定义的多种拓扑结构,计算每个节点的网络拓扑结构序列,得到网络的序列集。进一步的,网络结构相似度确定装置11基于两个不同网络的序列集的相似度,确定两个网络之间的相似度。
网络结构相似度确定装置11可以在各种电子设备12中实现本公开实施例的网络结构相似度的确定方法。例如,电子设备12可以为服务器、移动终端等。
在不同的应用场景中,网络结构相似度确定装置11和电子设备12可以为相互独立的设备,也可以集成于同一设备中,本发明实施例对此不作具体限定。
网络结构相似度确定装置11和电子设备12集成于同一设备时,网络结构相似度确定装置11和电子设备12之间的数据传输方式为该设备内部模块之间的数据传输。这种情况下,二者之间的数据传输流程与“网络结构相似度确定装置11和电子设备12之间相互独立的情况下,二者之间的数据传输流程”相同。
在本公开实施例提供的以下实施例中,以网络结构相似度确定装置11和电子设备12相互独立设置为例进行说明。
图2是根据一些示例性实施例示出的一种网络结构相似度的确定方法的流程示意图。在一些实施例中,上述网络结构相似度的确定方法可以应用到如图1所示的网络结构相似度确定装置、电子设备,也可以应用到其他类似设备,下述以网络结构相似度的确定方法应用于电子设备进行说明。
为了确定网络结构的相似度,本申请实施例提供的网络结构相似度的确定方法,如图2所示,包括:S201-S203。
S201、电子设备获取第一网络中每个节点的网络拓扑结构序列,得到第一序列集。
其中,一个节点的网络拓扑结构序列中的元素用于表征一个节点对应的多种网络拓扑子结构中每种网络拓扑子结构的数量,网络拓扑子结构包括一个节点以及至少一个目标节点,至少一个目标节点中存在与一个节点连接的至少一个连接节点。
作为一种可能实现的方式,电子设备获取第一网络中第一节点的网络拓扑结构,并基于第一节点的网络拓扑结构以及预定义的多个网络拓扑结构,确定第一节点对应的多个网络拓扑子结构中每个网络拓扑子结构对应的数量,得到多个网络拓扑子结构对应的数量。多个网络拓扑子结构与预定义的多个网络拓扑结构一一对应。进一步的,电子设备基于第一节点对应的多个网络拓扑子结构对应的数量,得到第一节点对应的网络拓扑结构序列。后续的,电子设备逐一获取第一网络中除第一节点之外的所有节点对应的网络拓扑结构序列,得到第一序列集。第一节点为第一网络中的任意一个节点。
在一些实施例中,电子设备同时计算第一网络中多个节点的网络拓扑结构序列,得到第一序列集。
需要说明的是,预定义的多个网络拓扑结构为运维人员预先设置在电子设备中的。本申请实施例中的节点可以为终端设备,还可以为服务器,还可以为路由器,对此,本申请实施例不做限定。
S202、电子设备获取第二网络中每个节点的网络拓扑结构序列,得到第二序列集。
在一些实施例中,第一网络以及第二网络可以为局域网中的两个网络,也可以为广域网中的两个网络,还可以为城域网中的两个网络。本申请实施例中对第一网络和第二网络不做具体限定。
在一些实施例中,每种网络拓扑子结构在第一节点的网络拓扑结构序列和第二节点的网络拓扑结构序列中对应的元素位置相同。第一节点为第二网络中的任意一个节点,第二节点为第二网络中的任意一个节点。
需要说明的,电子设备得到第二序列集的方式,可以参照S201,此处不再赘述。电子设备可以先执行S201,也可以向执行S202,还可以同时执行S201和S202,对此,本申请实施例不做限定。
可以理解的,同一个网络拓扑子结构在第一节点的网络拓扑结构序列和第二节点的网络拓扑结构序列中对应的元素位置相同。
S203、电子设备基于第一序列集和第二序列集之间的相似度,确定第一网络与第二网络的相似度。
作为一种可能实现的方式,电子设备逐一计算第一序列集中每个序列的方差,得到第一方差集,并逐一计算第二序列集中每个序列的方差,得到第二方差集。进一步的,电子设备将第一方差集和第二方差集进行余弦值相似度计算,得到第一方差集和第二方差集的相似度,并基于第一方差集和第二方差集的相似度,确定第一序列集和第二序列集的相似度。后续的,电子设备基于第一序列集和第二序列集之间的相似度,确定第一网络与第二网络的相似度。
在一些实施例中,电子设备将第一方差集和第二方差集进行曼哈顿距离计算,得到第一方差集和第二方差集的相似度。
示例性的,以第一序列集和第二序列集之间的相似度为0.88。电子设备确定第一网络与第二网络的相似度为0.88。
后续的,若第一网络和第二网络之间的相似度在预设的阈值范围内,则向第一网络和第二网络推荐相同的商品或者信息。
示例性的,以第一网络和第二网络之间的相似度为0.88,预设的阈值范围为[0.7,1]为例。电子设备确定第一网络和第二网络之间的相似度在预设的阈值范围内,进而确定第一网络和第二网络的相似度极高。进一步的,服务商向第一网络和第二网络推荐相同的商品或者信息。
需要说明的,预设的阈值范围为运维人员根据实际情况设计的,并预先设置在电子设备中的。
本申请提供了一种网络结构相似度的确定方法。具有以下有益效果:点的网络拓扑结构序列,得到第一序列集;一个节点的网络拓扑结构序列中的元素用于表征一个节点对应的多种网络拓扑子结构中每种网络拓扑子结构的数量,网络拓扑子结构包括一个节点以及至少一个目标节点,至少一个目标节点中存在与一个节点连接的至少一个连接节点。获取第二网络中每个节点的网络拓扑结构序列,得到第二序列集。基于第一序列集和第二序列集之间的相似度,确定第一网络与第二网络的相似度。这样,通过获取两个网络结构中每个节点的网络拓扑结构特征,并基于两个网络结构中每个节点的网络拓扑结构特征集的相似度确定两个网络的相似度。
可以理解的,相关技术中,确定网络结构相似度的方法是基于网络的点度特征、网络的平均路径长度特征或者网络的聚合系数的特征。本申请实施例从网络的拓扑角度,基于网络中子结构的拓扑特征,确定网络的相似度。
在一种设计中,为了获取节点的网络拓扑结构序列,如图3所示,提供的S201,具体包括:S2011-S2013。
S2011、电子设备获取第一网络中每个节点的网络拓扑结构。
作为一种可能实现的方式,电子设备逐一获取第一网络中每个网络节点的拓扑结构。
在一些实施例中,为了降低计算量,电子设备依次获取第一网络中每个网络节点对应的第一层网络拓扑子结构、第二层网络拓扑子结构以及第三层网络拓扑子结构。其中,第一层网络拓扑子结构为包括一个目标节点的子结构,第二层网络拓扑子结构为包括两个目标节点的子结构,第三层网络拓扑子结构为包括三个目标节点的子结构。
示例性的,如图4所示,图4中的a为第一层网络拓扑子结构,图4中的b为第二层网络拓扑子结构,图4中的c为第三层网络拓扑子结构。
在另一些实施例中,电子设备获取第一网络中每个网络对应的n层网络拓扑子结构。其中n大于等于4。
S2012、电子设备基于每个节点对应的网络拓扑结构以及预定义的多种网络拓扑结构,确定每个节点对应的多种网络拓扑子结构中每种网络拓扑子结构的数量,得到每个节点的网络拓扑结构序列。
作为一种可能实现的方式,电子设备将每个节点对应的网络拓扑子结构匹配预定义的多种网络拓扑结构中的每个拓扑结构,得到每个节点对应的多种网络拓扑子结构中每种网络拓扑子结构的数量,进而多个网络拓扑子结构的数量。后续的,电子设备将每个节点对应的多个网络拓扑子结构的数量,依次按照排序,得到每个节点的网络拓扑结构序列。
在一些实施例中,电子设备逐一获取第一网络中每个节点的网络拓扑结构序列,得到多个网络拓扑结构序列。
在一些实施例中,为了评估网络相似度,预定义的多种网络拓扑结构包括三层网络拓扑结构。一层的网络拓扑结构包括一个目标节点。
例如,预定义的多种网络拓扑结构包括:一个节点(空心节点)连接多个目标节点(黑色实心节点)。
示例性的,预定义的多种网络拓扑结构包括三层网络拓扑结构。其中,一层网络拓扑结构如图5所示,一个节点连接一个目标节点;两层网络拓扑结构如图6所示,包括图6中的a、图6中的b以及图6中的c;三层网络拓扑结构如图7所示,包括图7中的a、图7中的b、图7中的c、图7中的d、图7中的e、图7中的f、图7中的g、图7中的h、图7中的i以及图7中的j。
示例性的,结合图5、图6以及图7,以第一网络包括10个节点为例。电子设备获取10个节点中第一节点对应的网络拓扑结构,并逐一确定第一节点对应的网络拓扑结构中包图5中的网络拓结构、图6中的a、图6中的b、图6中的c、图7中的a、图7中的b、图7中的c、图7中的d、图7中的e、图7中的f、图7中的g、图7中的h、图7中的i以及图7中的j对应的网络拓结构的数量,得到8、6、5、3、5、3、5、4、6、5、3、6、5、5。电子设备进一步得到第一节点对应的网络拓扑结构序列(8,6,5,3,5,3,5,4,6,5,3,6,5,5)。
在一些实施例中,本申请实施例中的网络拓扑结构序列以向量形式表示。
可以理解的,上述预定的多种网络拓扑结构为一种预定的网络拓扑结构,在实际的应用中,可以适量的增加或减少预定义的多种网络拓扑结构中的目标节点数量以及网络拓扑结构的形状。
S2013、电子设备获取第一网络中每个节点的网络拓扑结构序列。
需要说明的,电子设备基于上述获取第一网络中每个节点的网络拓扑结构序列的方法,获取第二网络中每个节点的网络拓扑结构序列。
可以理解的,本申请实施例中,基于运维人员的大量实验,预定义多个网络拓扑结构。这样,电子设备确定第一网络中的每个节点的网络拓扑结构包括预定义的多个网络拓扑结构中的每一个网络拓扑结构的数量,得到网络拓扑结构序列。进而,基于网络拓扑结构序列判断网络结构之间的相似度。
在一种设计中,为了更好地计算网络结构的相似度,本申请实施例提供的网络结构相似度的确定方法,还包括:S204。
S204、电子设备将第一节点的网络拓扑结构序列和第二节点的网络拓扑结构序列均以向量的形式表示,分别得到第一节点的网络拓扑结构向量数据以及第二节点的网络拓扑结构向量数据。
其中,第二节点为第二网络中的任一个节点。
作为一种可能实现的方式,电子设备获取第一节点对应的多种网络拓扑子结构中每种网络拓扑子结构的数量,并将一节点对应的多种网络拓扑子结构中每种网络拓扑子结构的数量以向量形式表示,得到多个向量数据。进一步的,基于多个向量数据,电子设备获取第一节点的网络拓扑结构序列。同样的,电子设备获取第二节点的网络拓扑结构序列。
示例性的,结合图5、图6以及图7,以第一网络中的第一节点为例。电子设备确定第一节点对应的网络拓扑结构中包图5中的网络拓结构的数量为8,并将8以向量形式表示。进一步,电子设备分别确定第一节点对应的网络拓扑结构包括图6中的a、图6中的b以及图6中的c对应的网络拓结构,得到6、5、3,并将6、5、3以向量形式表示。后续的,电子设备分别确定第一节点对应的网络拓扑结构包括图7中的b、图7中的c、图7中的d、图7中的e、图7中的f、图7中的g、图7中的h、图7中的i以及图7中的j对应的网络拓结构的数量:5、3、5、4、6、5、3、6、5、5,并将5、3、5、4、6、5、3、6、5、5以向量形式表示。最终,电子设备获取第一节点的以向量表示的网络拓扑结构序列(8,6,5,3,5,3,5,4,6,5,3,6,5,5)。
可以理解的,第一网络中每个节点对应的网络拓扑结构序列以及第二网络中每个节点对应的网络拓扑结构序列均为向量数据。从而,电子设备基于向量数据更好地计算网络结构的相似度。
在一种设计中,为了确定第一序列集和第二序列集之间的相似度,如图8所示,本申请实施例提供的网络相似度的确定方法,还包括:S205-S208。
S205、电子设备计算第一序列集中每个节点的网络拓扑结构序列的方差,得到第一方差集。
作为一种可能实现的方式,电子设备逐一计算第一序列集中每个节点的网络拓扑结构序列的方差,得到第一方差集。
在一些实施例中,计算每个节点的网络拓扑结构序列的方差的公式,如下公式一所示:
其中,V为方差,m为网络拓扑结构序列中元素总个数,i为网络拓扑结构序列中m个中的第i个元素,ri为网络拓扑结构序列中第i个元素值,μ为网络拓扑结构序列中元素的平均值。
示例性的,以第一网络包括10个节点为例。电子设备分别获取10个节点的方差集(3、2、2、3、5、6、5、3、3、2)。
S206、电子设备计算第二序列集中每个节点的网络拓扑结构序列的方差,得到第二方差集。
得到第二方差集的方法,可以参照S205,此处不做赘述。
S207、电子设备基于第一方差集、第二方差集以及预设的相似度算法,得到第一方差集和第二方差集的相似度。
作为一种可能实现的方式,电子设备将第一方差集、第二方差集输入至预设的相似度算法,得到第一方差集和第二方差集的相似度。
在一些实施例中,电子设备将第一方差集与第二方差集进行余弦相似度计算,得到第一方差集和第二方差集的相似度。
在另一些实施例中,电子设备将第一方差集与第二方差集进行欧式距离,得到第一方差集和第二方差集的相似度。
在一些实施例中,若第一方差集中的元素数量与第二方差集中的元素数量不同,则电子设备获取两个方差集中元素数量较少的目标方差集,并在目标方差集中进行末尾补零,得到两个元素数量相同的方差集。
示例性的,以第一方差集包括10个方差,第二方差集包括8个方差为例。电子设备为第二方差集中的第8个元素后补入两个零,以使得两个方差集包括的元素数量相同。
可以理解的,在第一网络中的节点数量与第二网络的节点数量不同的情况下,导致方差指标的维度不同。如此,采用末尾补零的方式,使得方差指标的维度相同,以计算两个网络相似度。
需要说明的,预设的相似度算法为运维人员预先设置在电子设备中的。预设的相似度算法可以为余弦相似度,还可以为欧式距离算法,还可以为基于方差指标趋势算法,本申请实施例对于预设的相似度算法不做限定。
S208、电子设备基于第一方差集和第二方差集的相似度,确定第一序列集和第二序列集之间的相似度。
作为一种可能实现的方式,电子设备以第一方差集和第二方差集的相似度作为第一序列集和第二序列集之间的相似度。
示例性的,以第一方差集和第二方差集的相似度为0.9为例。电子设备确定第一序列集和第二序列集之间的相似度为0.9。
作为另一种可能实现的方式,电子设备将第一方差集和第二方差集的相似度输入预设的相似度映射函数中,得到第一序列集和第二序列集之间的相似度。
需要说明的,预设的相似度映射函数为运维人员预先设置在电子设备中的。
可以理解的,在本申请实施例中,由于网络拓扑结构序列中的元素数量较大,为了便于计算,对网络拓扑结构序列进行降维处理。方差由于能够表达向量中各个元素值的分散程度,选择使用方差。并且,计算方差间的相似度来评价网络结构相似度。
在一种设计中,本申请实施例提供的网络相似度的确定方法,第一网络和第二网络均为无权重、无标度网络。
可以理解的,本申请实施例中的无权无标度的复杂网络。
上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能,交易装置或电子设备包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法,示例性的对网络相似度确定装置或电子设备进行功能模块的划分,例如,网络相似度确定装置或电子设备可以包括对应各个功能划分的各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
例如,本申请实施例还提供一种网络结构相似度的确定装置。
本申请实施例提供一种网络结构相似度的确定装置30。如图9所示,确定装置30包括:获取单元301和确定单元302。
获取单元301,用于获取第一网络中每个节点的网络拓扑结构序列,得到第一序列集;一个节点的网络拓扑结构序列中的元素用于表征一个节点对应的多种网络拓扑子结构中每种网络拓扑子结构的数量,网络拓扑子结构包括一个节点以及至少一个目标节点,至少一个目标节点中存在与一个节点连接的至少一个连接节点。
获取单元301,还用于获取第二网络中每个节点的网络拓扑结构序列,得到第二序列集。
确定单元302,用于基于第一序列集和第二序列集之间的相似度,确定第一网络与第二网络的相似度。
可选的,获取单元301,具体用于:获取第一网络中每个节点的网络拓扑结构,并基于每个节点对应的网络拓扑结构以及预定义的多种网络拓扑结构,确定每个节点对应的多种网络拓扑子结构中每种网络拓扑子结构的数量,得到每个节点的网络拓扑结构序列。获取第一网络中每个节点的网络拓扑结构序列。
可选的,如图9所示,确定装置30还包括:处理单元303。
处理单元303,用于将第一节点的网络拓扑结构序列和第二节点的网络拓扑结构序列均以向量的形式表示,分别得到第一节点的网络拓扑结构向量数据以及第二节点的网络拓扑结构向量数据。第一节点为第一网络中的任一个节点,第二节点为第一网络中的任一个节点。
可选的,处理单元303还用于:计算第一序列集中每个节点的网络拓扑结构序列的方差,得到第一方差集,并计算第二序列集中每个节点的网络拓扑结构序列的方差,得到第二方差集。处理单元303,还用于:基于第一方差集、第二方差集以及预设的相似度算法,得到第一方差集和第二方差集的相似度,并基于第一方差集和第二方差集的相似度,确定第一序列集和第二序列集之间的相似度。
可选的,处理单元303,具体用于将第一方差集与第二方差集进行余弦相似度计算,得到第一方差集和第二方差集的相似度。
可选的,第一网络和第二网络均为无权重、无标度网络。
在采用硬件的形式实现上述集成的模块的功能的情况下,本申请实施例提供了上述实施例中所涉及的电子设备的一种可能的结构示意图。如图10所示,该电子设备40包括处理器401,存储器402以及总线403。处理器401与存储器402之间可以通过总线403连接。
处理器401是通信装置的控制中心,可以是一个处理器,也可以是多个处理元件的统称。例如,处理器401可以是一个通用中央处理单元(centra l process ing un it,CPU),也可以是其他通用处理器等。其中,通用处理器可以是微处理器或者是任何常规的处理器等。
作为一种实施例,处理器401可以包括一个或多个CPU,例如图10中所示的CPU 0和CPU 1。
存储器402可以是只读存储器(read-on ly memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(e lectr ical ly erasab le programmab le read-on ly memory,EEPROM)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
作为一种可能的实现方式,存储器402可以独立于处理器401存在,存储器402可以通过总线403与处理器401相连接,用于存储指令或者程序代码。处理器401调用并执行存储器402中存储的指令或程序代码时,能够实现本申请实施例提供的传感器确定方法。
另一种可能的实现方式中,存储器402也可以和处理器401集成在一起。
总线403,可以是工业标准体系结构(I ndustry Standard Arch itecture,ISA)总线、外围设备互连(Per iphera l Component I nterconnect,PCI)总线或扩展工业标准体系结构(Extended I ndustry Standard Arch itecture,EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图10中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
需要指出的是,图10示出的结构并不构成对该电子设备40的限定。除图10所示部件之外,该电子设备40可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
可选的,本申请实施例提供的电子设备40还可以包括通信接口404。
通信接口404,用于与其他设备通过通信网络连接。该通信网络可以是以太网,无线接入网,无线局域网(wi re less loca l area networks,WLAN)等。通信接口404可以包括用于接收数据的接收单元,以及用于发送数据的发送单元。
在一种设计中,本申请实施例提供的电子设备40中,通信接口还可以集成在处理器中。
在本申请实施例提供的服务器的另一种硬件结构中,电子设备可以包括处理器以及通信接口。处理器与通信接口耦合。
处理器的功能可以参照上述处理器的描述。此外,处理器还具备存储功能,可以参照上述存储器的功能。
通信接口用于为处理器提供数据。该通信接口可以是通信装置的内部接口,也可以是通信装置对外的接口。
需要指出的是,上述另一种硬件结构并不构成对服务器的限定,除上述另一种硬件部件之外,该服务器可以包括更多或更少的部件,或者组合某些部件,或者不同的部件布置。
在采用硬件的形式实现上述集成的模块的功能的情况下,本申请实施例提供了上述实施例中所涉及的中间件的结构示意图可以参照上述执行机的结构示意图。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有指令,当计算机执行该指令时,该计算机执行上述方法实施例所示的网络相似度的确定方法流程中的各个步骤。
本申请实施例还提供一种包含指令的计算机程序产品,当指令在计算机上运行时,使得计算机执行上述方法实施例中的网络相似度的确定方法。
其中,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(Random Access Memory,RAM)、只读存储器(Read-On ly Memory,ROM)、可擦式可编程只读存储器(Erasab le Programmab le Read On ly Memory,EPROM)、寄存器、硬盘、光纤、便携式紧凑磁盘只读存储器(Compact Di sc Read-On ly Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的人以合适的组合、或者本领域数值的任何其他形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(App l icat ion Specific I ntegrated Ci rcu it,ASIC)中。在本申请实施例中,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。
由于本申请的实施例中的服务器、用户设备、计算机可读存储介质、计算机程序产品可以应用于上述方法,因此,其所能获得的技术效果也可参照上述方法实施例,本申请实施例在此不再赘述。
以上,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种网络结构相似度的确定方法,其特征在于,所述方法包括:
获取第一网络中每个节点的网络拓扑结构序列,得到第一序列集;一个节点的网络拓扑结构序列中的元素用于表征所述一个节点对应的多种网络拓扑子结构中每种网络拓扑子结构的数量,所述网络拓扑子结构包括一个节点以及至少一个目标节点,所述至少一个目标节点中存在与所述一个节点连接的至少一个连接节点;
获取第二网络中每个节点的网络拓扑结构序列,得到第二序列集;
基于所述第一序列集和所述第二序列集之间的相似度,确定所述第一网络与所述第二网络的相似度。
2.根据权利要求1所述的确定方法,其特征在于,所述获取第一网络中每个节点的网络拓扑结构序列,包括:
获取所述第一网络中每个节点的网络拓扑结构,并基于所述每个节点对应的网络拓扑结构以及预定义的多种网络拓扑结构,确定所述每个节点对应的多种网络拓扑子结构中每种网络拓扑子结构的数量,得到所述每个节点的网络拓扑结构序列;
获取所述第一网络中每个节点的网络拓扑结构序列。
3.根据权利要求1所述的确定方法,其特征在于,所述方法还包括:
将第一节点的网络拓扑结构序列和第二节点的网络拓扑结构序列均以向量的形式表示,分别得到所述第一节点的网络拓扑结构向量数据以及所述第二节点的网络拓扑结构向量数据;所述第一节点为所述第一网络中的任一个节点,所述第二节点为所述第一网络中的任一个节点。
4.根据权利要求1-3中任一项所述的确定方法,其特征在于,所述方法还包括:
计算所述第一序列集中每个节点的网络拓扑结构序列的方差,得到第一方差集,并计算所述第二序列集中每个节点的网络拓扑结构序列的方差,得到第二方差集;
基于所述第一方差集、所述第二方差集以及预设的相似度算法,得到所述第一方差集和所述第二方差集的相似度;
基于所述第一方差集和所述第二方差集的相似度,确定所述第一序列集和所述第二序列集之间的相似度。
5.根据权利要求4所述的确定方法,其特征在于,所述基于所述第一方差集、所述第二方差集以及预设的相似度算法,得到所述第一方差集和所述第二方差集的相似度,包括:
将所述第一方差集与所述第二方差集进行余弦相似度计算,得到所述第一方差集和所述第二方差集的相似度。
6.根据权利要求1-3中任一项所述的确定方法,其特征在于,所述第一网络和所述第二网络均为无权重、无标度网络。
7.一种网络结构相似度的确定装置,其特征在于,所述装置包括:获取单元和确定单元;
所述获取单元,用于获取第一网络中每个节点的网络拓扑结构序列,得到第一序列集;一个节点的网络拓扑结构序列中的元素用于表征所述一个节点对应的多种网络拓扑子结构中每种网络拓扑子结构的数量,所述网络拓扑子结构包括一个节点以及至少一个目标节点,所述至少一个目标节点中存在与所述一个节点连接的至少一个连接节点;
所述获取单元,还用于获取第二网络中每个节点的网络拓扑结构序列,得到第二序列集;
所述确定单元,用于基于所述第一序列集和所述第二序列集之间的相似度,确定所述第一网络与所述第二网络的相似度。
8.根据权利要求7所述的确定装置,其特征在于,所述获取单元,具体用于:
获取所述第一网络中每个节点的网络拓扑结构,并基于所述每个节点对应的网络拓扑结构以及预定义的多种网络拓扑结构,确定所述每个节点对应的多种网络拓扑子结构中每种网络拓扑子结构的数量,得到所述每个节点的网络拓扑结构序列;
获取所述第一网络中每个节点的网络拓扑结构序列。
9.一种电子设备,其特征在于,包括:处理器和通信接口;所述通信接口和所述处理器耦合,所述处理器用于运行计算机程序或指令,以实现如权利要求1-6中任一项所述的网络结构相似度的确定方法。
10.一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,其特征在于,当计算机执行该指令时,该计算机执行如权利要求1-6中任一项所述的网络结构相似度的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310010319.1A CN116094952B (zh) | 2023-01-04 | 网络结构相似度的确定方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310010319.1A CN116094952B (zh) | 2023-01-04 | 网络结构相似度的确定方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116094952A true CN116094952A (zh) | 2023-05-09 |
CN116094952B CN116094952B (zh) | 2024-05-14 |
Family
ID=
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2629454A1 (en) * | 2012-02-14 | 2013-08-21 | Alcatel Lucent | Method of providing topology information of a communication network |
US20170155557A1 (en) * | 2015-11-30 | 2017-06-01 | International Business Machines Corporation | Monitoring Dynamic Networks |
CN107733802A (zh) * | 2017-09-18 | 2018-02-23 | 深圳市盛路物联通讯技术有限公司 | 一种分布式网络拓扑结构的节点控制方法及系统 |
WO2019000340A1 (zh) * | 2017-06-29 | 2019-01-03 | 华为技术有限公司 | 网络拓扑结构映射方法及装置、终端、存储介质 |
CN109743196A (zh) * | 2018-12-13 | 2019-05-10 | 杭州电子科技大学 | 一种基于跨双层网络随机游走的网络表征方法 |
CN110149225A (zh) * | 2019-05-13 | 2019-08-20 | 中国联合网络通信集团有限公司 | 网络拓扑结构评估方法及装置 |
CN111598223A (zh) * | 2020-05-15 | 2020-08-28 | 天津科技大学 | 一种基于属性和结构深度融合的网络嵌入方法及其模型 |
US20200287388A1 (en) * | 2017-09-12 | 2020-09-10 | Depsys Sa | Method for estimating the topology of an electric power network using metering data |
CN111884832A (zh) * | 2020-06-29 | 2020-11-03 | 华为技术有限公司 | 一种获取无源网络拓扑信息的方法及相关设备 |
CN113489619A (zh) * | 2021-09-06 | 2021-10-08 | 中国人民解放军国防科技大学 | 一种基于时间序列分析的网络拓扑推断方法及装置 |
CN114564544A (zh) * | 2020-11-27 | 2022-05-31 | 兰州交通大学 | 面向地图综合的道路网相似度计算模型 |
CN114974400A (zh) * | 2022-03-29 | 2022-08-30 | 江南大学 | 一种全局生物网络比对方法 |
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2629454A1 (en) * | 2012-02-14 | 2013-08-21 | Alcatel Lucent | Method of providing topology information of a communication network |
US20170155557A1 (en) * | 2015-11-30 | 2017-06-01 | International Business Machines Corporation | Monitoring Dynamic Networks |
WO2019000340A1 (zh) * | 2017-06-29 | 2019-01-03 | 华为技术有限公司 | 网络拓扑结构映射方法及装置、终端、存储介质 |
US20200287388A1 (en) * | 2017-09-12 | 2020-09-10 | Depsys Sa | Method for estimating the topology of an electric power network using metering data |
CN107733802A (zh) * | 2017-09-18 | 2018-02-23 | 深圳市盛路物联通讯技术有限公司 | 一种分布式网络拓扑结构的节点控制方法及系统 |
CN109743196A (zh) * | 2018-12-13 | 2019-05-10 | 杭州电子科技大学 | 一种基于跨双层网络随机游走的网络表征方法 |
CN110149225A (zh) * | 2019-05-13 | 2019-08-20 | 中国联合网络通信集团有限公司 | 网络拓扑结构评估方法及装置 |
CN111598223A (zh) * | 2020-05-15 | 2020-08-28 | 天津科技大学 | 一种基于属性和结构深度融合的网络嵌入方法及其模型 |
CN111884832A (zh) * | 2020-06-29 | 2020-11-03 | 华为技术有限公司 | 一种获取无源网络拓扑信息的方法及相关设备 |
CN114564544A (zh) * | 2020-11-27 | 2022-05-31 | 兰州交通大学 | 面向地图综合的道路网相似度计算模型 |
CN113489619A (zh) * | 2021-09-06 | 2021-10-08 | 中国人民解放军国防科技大学 | 一种基于时间序列分析的网络拓扑推断方法及装置 |
CN114974400A (zh) * | 2022-03-29 | 2022-08-30 | 江南大学 | 一种全局生物网络比对方法 |
Non-Patent Citations (3)
Title |
---|
G. ANTICHI, A. DI PIETRO, D. FICARA, S. GIORDANO, G. PROCISSI AND F. VITUCCI: "Network Topology Discovery through Self-Constrained Decisions", GLOBECOM 2009 - 2009 IEEE GLOBAL TELECOMMUNICATIONS CONFERENCE, 4 March 2010 (2010-03-04) * |
叶剑: "网络拓扑结构的优化测量和识别方法研究", 中国优秀硕士学位论文全文数据库, 15 July 2020 (2020-07-15) * |
张耀方;孔德弟;石佳玉;: "改进的网络拓扑推断算法", 电子测试, no. 01, 15 January 2014 (2014-01-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109859054B (zh) | 网络社团挖掘方法、装置、计算机设备及存储介质 | |
CN111445007A (zh) | 对抗生成神经网络的训练方法及系统 | |
CN111310784B (zh) | 资源数据的处理方法及装置 | |
CN108228442B (zh) | 一种异常节点的检测方法及装置 | |
CN104391879B (zh) | 层次聚类的方法及装置 | |
CN108681493A (zh) | 数据异常检测方法、装置、服务器和存储介质 | |
CN106817390B (zh) | 一种用户数据共享的方法和设备 | |
CN114816738A (zh) | 算力节点的确定方法、装置、设备及计算机可读存储介质 | |
CN110414569B (zh) | 聚类实现方法及装置 | |
CN116094952B (zh) | 网络结构相似度的确定方法、装置、设备以及存储介质 | |
CN116094952A (zh) | 网络结构相似度的确定方法、装置、设备以及存储介质 | |
CN108400887B (zh) | 符号网络的结构识别方法及装置 | |
CN113905066A (zh) | 物联网的组网方法、物联网的组网装置及电子设备 | |
CN111160468A (zh) | 数据处理方法及装置、处理器、电子设备、存储介质 | |
CN111027824A (zh) | 一种风险评分的方法及装置 | |
CN110475258A (zh) | 一种基站的可靠性评估方法和系统 | |
CN110889643A (zh) | 一种论文质量评价方法及系统 | |
CN110347511A (zh) | 含隐私约束条件的地理分布式进程映射方法、装置及终端 | |
CN111340084B (zh) | 数据处理方法及装置、处理器、电子设备、存储介质 | |
CN113435501B (zh) | 基于聚类的度量空间数据划分与性能衡量方法及相关组件 | |
CN116781238A (zh) | 面向物联网的共识节点选取方法、装置及共识方法 | |
CN112381539B (zh) | 基于区块链和大数据的交易信息处理方法及数字金融平台 | |
WO2021003704A1 (zh) | 含隐私约束条件的地理分布式进程映射方法、装置及终端 | |
CN111507428B (zh) | 数据处理方法及装置、处理器、电子设备、存储介质 | |
CN117522614B (zh) | 一种数据的处理方法、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 | ||
GR01 | Patent grant |