CN117689450B - 一种基于大数据的数字化营销系统 - Google Patents

Abstract

本发明涉及家装设计技术领域，公开了一种基于大数据的数字化营销系统，包括：数据采集模块，获取设计师的信息和设计案例的信息；图结构数据构建模块，根据获取的设计师的信息和设计案例的信息来构建图结构数据；第一节点标记模块，在图结构数据上标记与客户选择的设计案例的信息所对应的节点为第一节点；设计师匹配模块，将图结构数据输入神经网络模型，输出设计师与客户的需求是否匹配的结果；设计师推荐模块，将与客户需求的设计风格匹配的设计师推荐给客户；本发明对信息进行融合来形成设计师的设计风格和客户倾向的设计风格的特征表示，相对于简单的通过设计风格标签的匹配方式来说能够进行更精确的匹配。

Description

一种基于大数据的数字化营销系统

技术领域

本发明涉及家装设计技术领域，更具体地说，它涉及一种基于大数据的数字化营销系统。

背景技术

客户提出家装需求时一般都会提出设计风格的需求，每个设计师所擅长的设计风格不同；设计师对于自己不擅长的设计风格只能够保守性地做出一般的设计，无法发挥其设计水平。

公开号为CN111008754A，名称为一种家装设计师智能分配方法及系统的发明专利公开了：选出当前用户的装修风格喜好的类型与当前设计师擅长风格的类型来计算用户需求与设计师是否匹配的方法，设计风格的类型是以标签的形式记录。

客户选择设计风格是通过设计效果图进行的选择，客户选择的设计效果图附带设计风格的标签作为其设计风格的倾向；但是客户可能只对设计效果图中的部分区域或场景或内容存在意向，大部分情况下无法通过单个的设计效果图来体现客户对于设计风格的倾向。

而设计风格的标签是针对整个设计效果图来定义的，是一种有限的语义表达，无法组合和变化来完整表达出客户对于设计风格的倾向，只能通过客户存在意向的设计效果图的标签进行统计来选择数量最多的标签来进行匹配，设计师的设计风格很难与客户的需求高度的匹配。

发明内容

本发明提供一种基于大数据的数字化营销系统，解决相关技术中只能通过客户存在意向的设计效果图的标签进行统计来选择数量最多的标签来进行匹配，导致设计师的设计风格很难与客户的需求高度地匹配的技术问题。

本发明提供了一种基于大数据的数字化营销系统，包括：

数据采集模块，其用于获取设计师的信息和设计案例的信息；

设计师的信息包括：设计师名称；设计案例的信息包括：设计图的信息和装饰材料的信息；设计图的信息包括：整体设计图和区域设计图；装修材料的信息包括：装修材料名称、颜色、纹理、材质；

图结构数据构建模块，其用于根据获取的设计师的信息和设计案例的信息来构建图结构数据；图结构数据包括：节点以及节点的特征；节点包括：设计师名称节点、整体设计图节点、区域设计图节点、装饰材料名称节点、颜色节点、纹理节点和材质节点；设计师名称节点与设计师名称建立数据联系、整体设计图节点与整体设计图建立数据联系、区域设计图节点与区域设计图建立数据联系、装饰材料名称节点与装饰材料的名称建立数据联系、颜色节点与装饰材料的颜色建立数据联系、纹理节点与装饰材料的纹理建立数据联系、材质节点与装饰材料的材质建立数据联系；节点的特征通过与其建立数据联系的信息生成；节点之间的边表示节点数据联系的信息的关联关系；

第一节点标记模块，其用于获取客户选择的设计案例的信息，并在图结构数据上标记与客户选择的设计案例的信息所对应的节点为第一节点；

设计师匹配模块，其用于将图结构数据输入神经网络模型，输出设计师与客户的需求是否匹配的结果；神经网络模型包括：第一隐藏层、逻辑层和第二隐藏层；第一隐藏层输入图结构数据，输出节点更新矩阵，节点更新矩阵的行向量表示一个节点的更新特征；逻辑层输入节点更新矩阵中与第一节点对应的更新特征，输出客户需求特征到第二隐藏层；第二隐藏层还输入节点更新矩阵中与设计师名称节点对应的更新特征，第二隐藏层输出匹配度特征到分类器，分类器输出表示客户需求和设计师的设计风格是否匹配的值；

设计师推荐模块，其用于将与客户需求的设计风格匹配的设计师推荐给客户。

设计师名称节点和装饰材料名称节点的特征通过现有的词向量模型获得。

整体设计图节点的特征和区域设计图节点的特征通过对应的数据联系的整体设计图和区域设计图进行卷积处理获得。

装饰材料的颜色属于颜色集合；

装饰材料的纹理属于纹理集合；

装饰材料的材质属于材质集合；

颜色节点、纹理节点和材质节点的特征通过独热编码获得。

第一隐藏层的第i个节点的更新特征的计算公式如下：

，其中/>表示第i个节点的更新特征，/>表示第i个节点的邻居节点的集合，第i个节点的邻居节点表示图结构数据中与第i个节点存在关联关系的节点，/>表示第i个节点与/>的第j个邻居节点之间的归一化注意力分数，/>表示/>的第j个邻居节点的特征，/>表示第一权重参数，/>表示sigmoid激活函数；

第一隐藏层的归一化注意力分数的计算公式如下：

，表示第i个节点与/>的第j个邻居节点之间的归一化注意力分数，/>表示第i个节点的邻居节点的集合，/>表示第i个节点与/>的第j个邻居节点之间的注意力分数，/>表示第i个节点与/>的第k个邻居节点的注意力分数，/>表示取自然指数函数的幂运算；

第一隐藏层的注意力分数的计算公式如下：

，其中/>表示第i个节点与第j个邻居节点之间的注意力分数，/>表示第i个节点的特征，/>表示第j个邻居节点的特征，/>表示第二权重参数，/>表示第三权重参数，T表示转置操作，concat表示拼接操作，sigmoid表示sigmoid激活函数。

神经网络模型的逻辑层的计算公式如下：

，其中X表示客户需求特征，P表示最大池化操作或者平均池化操作，O表示堆叠操作，堆叠操作生成张量矩阵，张量矩阵的一个行向量表示一个第一节点对应的更新特征，M表示第一节点的总数，/>表示第p个第一节点对应的更新特征。

神经网络模型的逻辑层直接对第一节点对应的更新特征进行相加获得客户需求特征，客户需求特征与设计师名称节点对应的更新特征拼接后输入第二隐藏层。

神经网络模型的第二隐藏层为多层感知机。

分类器为softmax分类器，输出客户需求和设计师的设计风格匹配的概率以及客户需求和设计师的设计风格不匹配的概率，如果客户需求和设计师的设计风格匹配的概率大于客户需求和设计师的设计风格不匹配的概率则结果为匹配，如果客户需求和设计师的设计风格不匹配的概率大于或等于客户需求和设计师的设计风格匹配的概率则结果为不匹配。

图结构数据输入神经网络模型的第一隐藏层之前进行预处理，预处理的步骤包括：

步骤S201，随机选择一个第一节点作为初始节点；

步骤S202，从初始节点开始进行随机游走，随机游走的步长为1，随机游走终止的条件包括：

条件一、随机游走到下一个未被游走过的第一节点；

条件二、随机游走的步数大于N；

步骤S203，如果以条件一终止随机游走，则记录初始节点和随机游走的终点的第一节点之间的随机游走的路径，然后选择随机游走到达的第一节点作为新的初始节点后返回步骤S202；

如果以条件二终止随机游走，则不记录随机游走的路径，随机选择未被游走过的第一节点作为新的初始节点后返回步骤S202；

如果所有第一节点都被游走过，则进入步骤S204；

步骤S204，删除不在记录的随机游走的路径上的图结构数据中的节点。

本发明的有益效果在于：本发明将能够体现设计风格的信息的数据进行图结构化，并对信息进行融合来形成设计师的设计风格和客户倾向的设计风格的特征表示，来判断设计师的设计风格是否与客户倾向的设计风格匹配，相对于简单的通过设计风格标签的匹配方式来说能够进行更精确的匹配。

附图说明

图1是本发明的一种基于大数据的数字化营销系统的模块图；

图2是本发明的图结构数据输入第一隐藏层之前进行预处理的步骤图。

具体实施方式

现在将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题，可以在不脱离本说明书内容的保护范围的情况下，对所讨论的元素的功能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过程或组件。另外，相对一些示例所描述的特征在其他例子中也可以进行组合。

如图1-图2所示，一种基于大数据的数字化营销系统，包括：

数据采集模块101，其用于获取设计师的信息和设计案例的信息；

设计师的信息包括：设计师名称；

设计案例的信息包括：设计图的信息和装饰材料的信息；

设计图的信息包括：整体设计图和区域设计图；

装修材料的信息包括：装修材料名称、颜色、纹理、材质；

图结构数据构建模块102，其用于根据获取的设计师的信息和设计案例的信息来构建图结构数据；

图结构数据包括：节点以及节点的特征；

节点包括：设计师名称节点、整体设计图节点、区域设计图节点、装饰材料名称节点、颜色节点、纹理节点和材质节点；

设计师名称节点与设计师名称建立数据联系、整体设计图节点与整体设计图建立数据联系、区域设计图节点与区域设计图建立数据联系、装饰材料名称节点与装饰材料的名称建立数据联系、颜色节点与装饰材料的颜色建立数据联系、纹理节点与装饰材料的纹理建立数据联系、材质节点与装饰材料的材质建立数据联系；

节点的特征通过与其建立数据联系的信息生成；

节点之间的边表示节点数据联系的信息的关联关系；

第一节点标记模块103，其用于获取客户选择的设计案例的信息，并在图结构数据上标记与客户选择的设计案例的信息所对应的节点为第一节点；

设计师匹配模块104，其用于将图结构数据输入神经网络模型，输出设计师与客户的需求是否匹配的结果；

神经网络模型包括：第一隐藏层、逻辑层和第二隐藏层；

第一隐藏层输入图结构数据，输出节点更新矩阵，节点更新矩阵的行向量表示一个节点的更新特征；

逻辑层输入节点更新矩阵中与第一节点对应的更新特征，输出客户需求特征到第二隐藏层；

第二隐藏层还输入节点更新矩阵中与设计师名称节点对应的更新特征，第二隐藏层输出匹配度特征到分类器，分类器输出表示客户需求和设计师的设计风格是否匹配的值；

设计师推荐模块105，其用于将与客户需求的设计风格匹配的设计师推荐给客户。

在本发明的一个实施例中，设计师名称与整体设计图的关联关系表示设计师名称对应的设计师是该整体设计图的作者；整体设计图与区域设计图的关联关系表示区域设计图属于该整体设计图；区域设计图与装饰材料的关联关系表示装饰材料属于该区域设计图的内容；装饰材料名称与颜色或纹理或材质的关联关系表示装饰材料名称对应的装饰材料采用了该颜色或纹理或材质。

在本发明的一个实施例中，设计师的信息还可以包括：设计师的工龄、学历、设计案例数量和相关资质证书数量；相应的图结构数据的节点还可以包括：设计师的工龄节点、学历节点、设计案例数量节点和相关资质证书数量节点。

在本发明的一个实施例中，设计案例的信息还可以包括：卧室的地板、墙壁、衣柜柜体、灯饰和床铺的颜色和纹理；书房的地板、墙壁、书柜柜体、灯饰和床铺的颜色和纹理；客厅的地板、墙壁、门框、茶几、电视柜柜体、灯饰和沙发的颜色和纹理；厨房的地板、墙壁、门框、橱柜柜体和灯饰的颜色和纹理；卫生间的地板、墙壁、门框和灯饰的颜色和纹理；相应的图结构数据的节点还可以包括：卧室节点、书房节点、客厅节点、厨房节点和卫生间节点；地板节点、墙壁节点、衣柜柜体节点、灯饰节点、床铺节点、书柜柜体节点、门框节点、茶几节点、电视柜柜体节点、沙发节点和橱柜柜体节点。

数据采集模块101中的信息以文本或图像的数据进行表示，在生成节点的特征可以参照知识图谱的节点编码方式。

在本发明的一个实施例中，设计师名称节点和装饰材料名称节点的特征通过现有的词向量模型获得；例如：Word2Vec、GloVe和fastText等。

在本发明的一个实施例中，整体设计图节点的特征和区域设计图节点的特征通过对应的数据联系的整体设计图和区域设计图进行卷积处理获得。在神经网络模型的第一隐藏层之前加入卷积层，用于对整体设计图和区域设计图进行卷积获得节点的特征。

在本发明的一个实施例中，颜色节点与装饰材料的颜色建立数据联系，装饰材料的颜色属于颜色集合，颜色集合表示为：，其中/>分别表示装饰材料的颜色为白色、米色、灰色、蓝色、绿色、黄色、粉色、黑色、棕色、红色、银色、黄铜色、金色、青色和紫色，其中颜色集合的元素值通过实数表示；

纹理节点与装饰材料的纹理建立数据联系，装饰材料的纹理属于纹理集合，纹理集合表示为：，其中/>分别表示装饰材料的纹理为平滑、磨砂、凹凸不平、大理石纹理、花岗岩纹理、砂岩纹理、镂空、仿古、木纹、花纹、织物纹理和皮革纹理，其中纹理集合的元素值通过实数表示；

材质节点与装饰材料的材质建立数据联系，装饰材料的材质属于材质集合，材质集合表示为：，其中/>分别表示装饰材料的材质为石材、木材、钢材、铝材、铜材、玻璃、纸质、橡胶、塑料、布艺、皮革和丝绸，其中材质集合的元素值通过实数表示。

颜色节点、纹理节点和材质节点的特征通过独热编码获得。

在本发明的一个实施例中，第一隐藏层的计算公式包括：

第一隐藏层的第i个节点的更新特征的计算公式如下：

，其中/>表示第i个节点的更新特征，/>表示第i个节点的邻居节点的集合，第i个节点的邻居节点表示图结构数据中与第i个节点存在关联关系的节点，/>表示第i个节点与/>的第j个邻居节点之间的归一化注意力分数，/>表示/>的第j个邻居节点的特征，/>表示第一权重参数，/>表示sigmoid激活函数；

第一隐藏层的归一化注意力分数的计算公式如下：

，表示第i个节点与/>的第j个邻居节点之间的归一化注意力分数，/>表示第i个节点的邻居节点的集合，/>表示第i个节点与/>的第j个邻居节点之间的注意力分数，/>表示第i个节点与/>的第k个邻居节点的注意力分数，/>表示取自然指数函数的幂运算；

第一隐藏层的注意力分数的计算公式如下：

，其中/>表示第i个节点与第j个邻居节点之间的注意力分数，/>表示第i个节点的特征，/>表示第j个邻居节点的特征，/>表示第二权重参数，/>表示第三权重参数，T表示转置操作，concat表示拼接操作，sigmoid表示sigmoid激活函数。

在本发明的一个实施例中，逻辑层的计算公式如下：

，其中X表示客户需求特征，P表示最大池化操作或者平均池化操作，O表示堆叠操作，堆叠操作生成张量矩阵，张量矩阵的一个行向量表示一个第一节点对应的更新特征，M表示第一节点的总数，/>表示第p个第一节点对应的更新特征。

客户需求特征的行向量按顺序拼接之后再与设计师名称节点对应的更新特征拼接后输入第二隐藏层。

在本发明的一个实施例中，逻辑层直接对第一节点对应的更新特征进行相加获得客户需求特征，客户需求特征与设计师名称节点对应的更新特征拼接后输入第二隐藏层。

在本发明的一个实施例中，第二隐藏层为多层感知机。

在本发明的一个实施例中，第二隐藏层每次输入节点更新矩阵中与一个设计师名称节点对应的更新特征；分类器输出表示客户需求和该设计师的设计风格是否匹配的值。

例如第二隐藏层输入甲设计师对应的设计师名称节点对应的更新特征，分类器输出表示客户需求和甲设计师的设计风格是否匹配的值。

在本发明的一个实施例中，分类器为softmax分类器，输出匹配和不匹配的概率，如果匹配的概率大于不匹配的概率则结果为匹配，如果不匹配的概率大于或等于匹配的概率则结果为不匹配。

在前述的实施例中在图结构数据的全局上对节点所表达的信息进行融合，会伴随节点之间的距离的增长来减少节点所相互融合的信息，由于客户可能是从多个关联性弱的设计案例的信息，人工可以通过关联的联想来有选择性的组合信息；

而这样的信息所数据联系的节点在图结构数据的全局上是分散的，虽然在逻辑层上对这些节点的特征进行了融合，无法模拟人工关联的联想来有选择性的组合信息的过程；

在本发明的一个实施例中，图结构数据输入第一隐藏层之前进行预处理，预处理的步骤包括：

步骤S201，随机选择一个第一节点作为初始节点；

步骤S202，从初始节点开始进行随机游走，随机游走的步长为1，随机游走终止的条件包括：

条件一、随机游走到下一个未被游走过的第一节点；

条件二、随机游走的步数大于N；

步骤S203，如果以条件一终止随机游走，则记录初始节点和随机游走的终点的第一节点之间的随机游走的路径，然后选择随机游走到达的第一节点作为新的初始节点后返回步骤S202；

如果以条件二终止随机游走，则不记录随机游走的路径，随机选择未被游走过的第一节点作为新的初始节点后返回步骤S202；

如果所有第一节点都被游走过，则进入步骤S204；

步骤S204，删除不在记录的随机游走的路径上的图结构数据中的节点。

上面对本实施例的实施例进行了描述，但是本实施例并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本实施例的启示下，还可做出很多形式，均属于本实施例的保护之内。

Claims (1)

1.一种基于大数据的数字化营销系统，其特征在于，包括：

数据采集模块，其用于获取设计师的信息和设计案例的信息；

设计师的信息包括：设计师名称；设计案例的信息包括：设计图的信息和装饰材料的信息；设计图的信息包括：整体设计图和区域设计图；装饰材料的信息包括：装饰材料名称、颜色、纹理、材质；

图结构数据构建模块，其用于根据获取的设计师的信息和设计案例的信息来构建图结构数据；图结构数据包括：节点以及节点的特征；节点包括：设计师名称节点、整体设计图节点、区域设计图节点、装饰材料名称节点、颜色节点、纹理节点和材质节点；设计师名称节点与设计师名称建立数据联系、整体设计图节点与整体设计图建立数据联系、区域设计图节点与区域设计图建立数据联系、装饰材料名称节点与装饰材料的名称建立数据联系、颜色节点与装饰材料的颜色建立数据联系、纹理节点与装饰材料的纹理建立数据联系、材质节点与装饰材料的材质建立数据联系；节点的特征通过与其建立数据联系的信息生成；节点之间的边表示节点数据联系的信息的关联关系；

第一节点标记模块，其用于获取客户选择的设计案例的信息，并在图结构数据上标记与客户选择的设计案例的信息所对应的节点为第一节点；

设计师匹配模块，其用于将图结构数据输入神经网络模型，输出设计师与客户的需求是否匹配的结果；神经网络模型包括：第一隐藏层、逻辑层和第二隐藏层；第一隐藏层输入图结构数据，输出节点更新矩阵，节点更新矩阵的行向量表示一个节点的更新特征；逻辑层输入节点更新矩阵中与第一节点对应的更新特征，输出客户需求特征到第二隐藏层；第二隐藏层还输入节点更新矩阵中与设计师名称节点对应的更新特征，第二隐藏层输出匹配度特征到分类器，分类器输出表示客户需求和设计师的设计风格是否匹配的值；

设计师推荐模块，其用于将与客户需求的设计风格匹配的设计师推荐给客户；

设计师名称节点和装饰材料名称节点的特征通过现有的词向量模型获得；

整体设计图节点的特征和区域设计图节点的特征通过对应的数据联系的整体设计图和区域设计图进行卷积处理获得；

装饰材料的颜色属于颜色集合；

装饰材料的纹理属于纹理集合；

装饰材料的材质属于材质集合；

设计师名称与整体设计图的关联关系表示设计师名称对应的设计师是该整体设计图的作者；整体设计图与区域设计图的关联关系表示区域设计图属于该整体设计图；区域设计图与装饰材料的关联关系表示装饰材料属于该区域设计图的内容；装饰材料名称与颜色或纹理或材质的关联关系表示装饰材料名称对应的装饰材料采用了该颜色或纹理或材质；

设计案例的信息还包括：卧室的地板、墙壁、衣柜柜体、灯饰和床铺的颜色和纹理；书房的地板、墙壁、书柜柜体、灯饰和床铺的颜色和纹理；客厅的地板、墙壁、门框、茶几、电视柜柜体、灯饰和沙发的颜色和纹理；厨房的地板、墙壁、门框、橱柜柜体和灯饰的颜色和纹理；卫生间的地板、墙壁、门框和灯饰的颜色和纹理；相应的图结构数据的节点还包括：卧室节点、书房节点、客厅节点、厨房节点和卫生间节点；地板节点、墙壁节点、衣柜柜体节点、灯饰节点、床铺节点、书柜柜体节点、门框节点、茶几节点、电视柜柜体节点、沙发节点和橱柜柜体节点；

颜色节点与装饰材料的颜色建立数据联系，颜色集合表示为：，其中/>分别表示装饰材料的颜色为白色、米色、灰色、蓝色、绿色、黄色、粉色、黑色、棕色、红色、银色、黄铜色、金色、青色和紫色，其中颜色集合的元素值通过实数表示；

纹理节点与装饰材料的纹理建立数据联系，纹理集合表示为：，其中/>分别表示装饰材料的纹理为平滑、磨砂、凹凸不平、大理石纹理、花岗岩纹理、砂岩纹理、镂空、仿古、木纹、花纹、织物纹理和皮革纹理，其中纹理集合的元素值通过实数表示；

材质节点与装饰材料的材质建立数据联系，材质集合表示为：，其中/>分别表示装饰材料的材质为石材、木材、钢材、铝材、铜材、玻璃、纸质、橡胶、塑料、布艺、皮革和丝绸，其中材质集合的元素值通过实数表示；

颜色节点、纹理节点和材质节点的特征通过独热编码获得；

第一隐藏层的第i个节点的更新特征的计算公式如下：

，其中/>表示第i个节点的更新特征，/>表示第i个节点的邻居节点的集合，第i个节点的邻居节点表示图结构数据中与第i个节点存在关联关系的节点，/>表示第i个节点与/>的第j个邻居节点之间的归一化注意力分数，/>表示/>的第j个邻居节点的特征，/>表示第一权重参数，/>表示sigmoid激活函数；

第一隐藏层的归一化注意力分数的计算公式如下：

，其中/>表示第i个节点与/>的第j个邻居节点之间的归一化注意力分数，/>表示第i个节点的邻居节点的集合，/>表示第i个节点与/>的第j个邻居节点之间的注意力分数，/>表示第i个节点与/>的第k个邻居节点的注意力分数，/>表示取自然指数函数的幂运算；

第一隐藏层的注意力分数的计算公式如下：

，其中/>表示第i个节点与第j个邻居节点之间的注意力分数，/>表示第i个节点的特征，/>表示第j个邻居节点的特征，/>表示第二权重参数，/>表示第三权重参数，T表示转置操作，/>表示拼接操作，sigmoid表示sigmoid激活函数；

神经网络模型的逻辑层的计算公式如下：

，其中X表示客户需求特征，P表示最大池化操作或者平均池化操作，O表示堆叠操作，堆叠操作生成张量矩阵，张量矩阵的一个行向量表示一个第一节点对应的更新特征，M表示第一节点的总数，/>表示第p个第一节点对应的更新特征；

神经网络模型的逻辑层直接对第一节点对应的更新特征进行相加获得客户需求特征，客户需求特征与设计师名称节点对应的更新特征拼接后输入第二隐藏层；

神经网络模型的第二隐藏层为多层感知机；

分类器为softmax分类器，输出客户需求和设计师的设计风格匹配的概率以及客户需求和设计师的设计风格不匹配的概率，如果客户需求和设计师的设计风格匹配的概率大于客户需求和设计师的设计风格不匹配的概率则结果为匹配，如果客户需求和设计师的设计风格不匹配的概率大于或等于客户需求和设计师的设计风格匹配的概率则结果为不匹配；

图结构数据输入神经网络模型的第一隐藏层之前进行预处理，预处理的步骤包括：

步骤S201，随机选择一个第一节点作为初始节点；

步骤S202，从初始节点开始进行随机游走，随机游走的步长为1，随机游走终止的条件包括：

条件一、随机游走到下一个未被游走过的第一节点；

条件二、随机游走的步数大于N；

步骤S203，如果以条件一终止随机游走，则记录初始节点和随机游走的终点的第一节点之间的随机游走的路径，然后选择随机游走到达的第一节点作为新的初始节点后返回步骤S202；

如果以条件二终止随机游走，则不记录随机游走的路径，随机选择未被游走过的第一节点作为新的初始节点后返回步骤S202；

如果所有第一节点都被游走过，则进入步骤S204；

步骤S204，删除不在记录的随机游走的路径上的图结构数据中的节点。