JP7073514B2 - グループネットワークの認識方法、装置、コンピュータ機器及びコンピュータ読み取り可能な媒体 - Google Patents

Description

本出願は、２０１８年０４月０４日にて中国専利局に提出され、出願番号が２０１８１０２９８４４３１であり、出願の名称が「グループネットワークの認識方法、装置、サーバー及びコンピュータ読み取り可能な媒体」である中国特許出願の優先権を主張し、その全ての内容を援用するものとする。

本出願は、データ処理分野に関わり、特にグループネットワークの認識方法、装置、コンピュータ機器及びコンピュータ読み取り可能な媒体に関わる。

ネットワーク情報の発展に連れて、異なるタイプのグループはデータ伝送ネットワークにおいてだんだん形成され、データ伝送ネットワークからターゲット特性を有するグループを掘り出すことは、ネットワーク情報の監督管理にとって、極めて重要な意味を有する。

現在、データ伝送ネットワークからサブネットワークを掘り出すことは、主にラベル拡散アルゴリズムによって実現され、このようなアルゴリズムには、一般的にターゲット特性を有するグループにおけるデータ伝送と、ターゲット特性を有していないグループにおけるデータ伝送とを混同するという問題が存在する。

本出願により提供される各種の実施例によれば、グループネットワークの認識方法、装置、サーバー及びコンピュータ読み取り可能な媒体を提供する。

本出願の実施例の一つの態様によれば、グループネットワークの認識方法を提供し、前記グループネットワークの認識方法は、
コンピュータ機器が、認識対象となるターゲットグループのデータ移行特徴に基づいて、各ノードの属性値の送信方向を確認するステップと、
前記コンピュータ機器が、構築されたデータ伝送ネットワークにおいて、第１ノードと隣接する第２ノードとが接続された辺で、前記送信方向に沿って、複数のデータ移行の特徴値が含まれる前記辺の辺ベクトルと前記第１ノードの属性値とを前記第２ノードに送信するステップと、
前記コンピュータ機器が、前記認識対象となるターゲットグループのデータ移行特徴にマッチングするプリセット計算ロジックに応じて、前記第２ノードが受信した辺ベクトルに対して加重計算を行うことで、最適な重みの辺を取得するステップと、
前記コンピュータ機器が、前記最適な重みの辺に接続された前記第１ノードの属性値に基づいて、前記第２ノードの属性値を更新するステップと、
前記コンピュータ機が、前記第１ノードと隣接する第２ノードとが接続された辺で、前記送信方向に沿って、前記辺の辺ベクトルと前記第１ノードの属性値を前記第２ノードに送信し、プリセット計算ロジックに応じて、前記第２ノードが受信した辺ベクトルに対して加重計算を行うことで、最適な重みの辺を取得するステップ、及び前記最適な重みの辺に接続された前記第１ノードの属性値に基づいて、前記第２ノードの属性値を更新するステップをプリセット停止条件を満たすまで繰り返して実行するステップと、
前記コンピュータ機器が、繰り返し後の各ノードの属性値に基づいて、同じく前記ターゲットグループにある各ノード、及び前記ターゲットグループにおける各ノードの属性を確認するステップとを含む。

本出願の実施例の一つの態様によれば、グループネットワークの認識装置を提供し、前記装置は、
認識対象となるターゲットグループのデータ移行特徴に基づいて、各ノードの属性値の送信方向を確認するための確認モジュールと、
構築されたデータ伝送ネットワークにおいて、第１ノードと隣接する第２ノードとが接続された辺で、前記送信方向に沿って、複数のデータ移行の特徴値が含まれる前記辺の辺ベクトルと前記第１ノードの属性値とを前記第２ノードに送信するための送信モジュールと、
前記認識対象となるターゲットグループのデータ移行特徴にマッチングするプリセット計算ロジックに応じて、前記第２ノードが受信した辺ベクトルに対して加重計算を行うことで、最適な重みの辺を取得するための計算モジュールと、
前記最適な重みの辺に接続された前記第１ノードの属性値に基づいて、前記第２ノードの属性値を更新するための更新モジュールと、
前記第１ノードと隣接する第２ノードとが接続された辺で、前記送信方向に沿って、前記辺の辺ベクトルと前記第１ノードの属性値を前記第２ノードに送信し、プリセット計算ロジックに応じて、前記第２ノードが受信した辺ベクトルに対して加重計算を行うことで、最適な重みの辺を取得するステップ、及び前記最適な重みの辺に接続された前記第１ノードの属性値に応じて、前記第２ノードの属性値を更新するステップをプリセット停止条件を満たすまで繰り返して実行するようにトリガーするための繰り返しモジュールとを備え、
前記確認モジュールはさらに、繰り返し後の各ノードの属性値に基づいて、同じく前記ターゲットグループにある各ノード、及び前記ターゲットグループにおける各ノードの属性を確認する。

本出願の実施例の一つの態様によれば、メモリーとプロセッサーとを有するコンピュータ機器を提供し、前記メモリーにはコンピュータ読み取り可能な命令が記憶され、前記コンピュータ読み取り可能な命令が前記プロセッサーによって実行される場合、前記プロセッサーに前記本出願の実施例により提供されるグループネットワークの認識方法を実行させる。

本出願の実施例の一つの態様によれば、コンピュータ読み取り可能な命令が記憶された一つまたは複数の不揮発性記憶媒体を提供し、前記コンピュータ読み取り可能な命令が一つまたは複数のプロセッサーによって実行される場合、一つまたは複数のプロセッサーに前記本出願の実施例により提供されるグループネットワークの認識方法を実行させる。

本出願の一つまたは複数の実施例の細部は以下の図面及び記載において提出される。明細書、図面及び請求項によって、本出願の他の特徴、目的及び利点は明瞭になる。

本出願の実施例における技術案を明らかに説明するために、以下は実施例の記載にとって必要な図面を簡単に紹介し、明らかに、以下の記載における図面は、本出願のいくつかの実施例のみであり、当業者にとって、進歩性に値する労働をしていない前提で、これらの図面に応じて他の図面を取得できる。
本出願の実施例により提供されるグループネットワークの認識方法の応用環境図である。 本出願の実施例により提供されるグループネットワークの認識方法におけるデータ伝送ネットワークの模式図である。 本出願の実施例により提供されるグループネットワークの認識方法のフローチャートである。 本出願の実施例により提供されるグループネットワークの認識方法のフローチャートである。 本出願の実施例により提供されるグループネットワークの認識方法における仮想リソース移行ネットワークの模式図である。 図５における仮想リソース移行ネットワークの、初期のグループコア指数を割り当てた後の模式図である。 図６における仮想リソース移行ネットワークの、多次元ベクトルを送信する場合の模式図である。 図７における仮想リソース移行ネットワークから認識されたターゲットグループの模式図である。 本出願の実施例により提供されるグループネットワークの認識装置の構成模式図である。 本出願の実施例により提供されるグループネットワークの認識装置の構成模式図である。 本出願の実施例により提供されるコンピュータ機器のハードウエア構成模式図である。

本出願の発明目的、特性、利点がより明瞭且つ分かりやすくするために、以下は本出願の実施例により提供される図面を結合して、本出願の実施例により提供される技術案を明らかで、完全に記載し、明らかに、記載の実施例は全ての実施例ではなく、本出願の一部の実施例のみである。本出願により提供される実施例に基づき、当業者は進歩性に値する労働をしていない前提で取得した他の全ての実施例は、いずれも本出願の保護範囲に該当している。

図１を参照し、本出願の実施例により提供されるグループネットワークの認識方法の応用環境図である。図１に示すように、複数の端末１００が一つのデータ伝送ネットワークを構成し、記憶サーバー２００には、データ伝送ネットワークにおける各端末１００の間でデータ交換を行う関連情報データが記録され、サーバー３００が記憶サーバー２００に記録された関連情報データに応じて、下記各実施例により提供されるグループネットワークの認識方法によって、該データ伝送ネットワークから、ターゲットグループを認識する。実際の応用において、サーバー３００は、ｐｒｅｇｅｌグラフ計算フレームワークの分散型サーバークラスタであってもよい。サーバー２００も、分散型サーバークラスタであってよい。ｐｒｅｇｅｌグラフ計算フレームワークが分散型グラフ計算の計算フレームワークであり、グラフがノードと辺からなる。

なお、データ伝送ネットワークは、少なくとも二つのノードと各ノードの間の関係とからなるネットワークトポロジ構成を指す。例えば、仮に現在、通信関係が存在する三つのコンピュータ機器があり、該三つのコンピュータ機器の間の通信関係をより明らかに説明するために、該三つのコンピュータ機器をノードＡと、ノードＢと、ノードＣという三つのノードとして抽象するとともに、二つのノードを接続する辺で二つのコンピュータ機器の間の通信関係を示し、該三つのコンピュータ機器からなる一つのデータ伝送ネットワークを形成する。記憶サーバーには、一つのコンピュータ機器と他のコンピュータ機器との通信時間、プリセットの時間帯内に一つのコンピュータ機器と他のコンピュータ機器との通信頻度、及び一つのコンピュータ機器と他のコンピュータ機器との通信の時間帯のような、関連情報データが記録される。

グループ（ｃｌｉｑｕｅ）は、データ伝送ネットワークにおいて、同じ特性を有しており、且つノードの間にデータ移行関係が形成される１組のノードを指す。グループネットワークは、グループにおける全てのノードの間にデータ伝送関係によって形成されたネットワークトポロジ構成である。例えば、仮想リソース移行関係を有するデータ伝送ネットワークにおいて、ノードは仮想リソースを移行するアカウントに対応するコンピュータ機器であり、ノードの間で仮想リソースの移行を行う際、備考の仮想リソース移行のキーワードが、「大に賭け、賭け金、チップ」などの賭けに関する単語であると、対応するように、これらのノードが賭け性質を有するグループを構成する。これらのノードとノードの間の仮想リソース移行関係とが共同にグループネットワークを構成する。

図２を参照し、図２は本出願の実施例により提供されるグループネットワークの認識方法におけるデータ伝送ネットワークの模式図である。本出願の各実施例におけるデータ伝送ネットワークは、具体的に仮想リソース移行ネットワークであってもよいが、仮想リソース移行関係構成によって、本出願が適用するデータ伝送ネットワークのタイプに対して如何なる限定もしない。仮想リソース移行ネットワークには複数のノードが含まれ、ノードは、仮想リソースの転出側または受信側の対応するコンピュータ機器、例えば、資金の転出アカウントまたは資金の受け取りアカウントが利用するコンピュータ機器を示し、各本の辺は、該辺に接続された二つのノードの間にデータの伝送があることを示し、即ち、二つのノードの間には仮想リソース移行関係が存在するから、辺（ｅｄｇｅ）を形成する。仮想リソースは、商品またはサービス交換を行うためのリソース、例えば貨幣、ポイント、ゴールデンビーン、ギフト券、引換券、クーポン、ギフトカード及びウェルスマネジメントファンドなどを指し、本発明の実施例はこれを具体的に限定しない。仮想リソースはインターネットプラットフォームで移行できる。

図２を例として、図２は一つの仮想リソース移行ネットワークであり、該仮想リソース移行ネットワークにおけるノードがノードＡと、ノードＢと、ノードＣとを有する。各ノードの間の矢印方向は、ノードＢがノードＡに仮想リソースを移行し、ノードＣがノードＢに仮想リソースを移行するような仮想リソース移行関係を示す。実際の状況で、データ伝送ネットワークには大量のノードが存在し、認識対象となるターゲットグループの特性に応じて、大量のノードから該グループを区画する必要があり、ターゲットグループは仮想リソース移行ネットワークにおいて、賭博集団に属するノードからなるターゲットグループであってもよく、旅客輸送交通ネットワークにおいて通勤関係を有するノードからなるターゲットグループであってもよく、さらに、通信ネットワークにおいて、通信業務を有するノードからなるターゲットグループであってもよい。該グループにおける各ノードの属性をさらに明確にし、属性は該ノードのグループにおけるコアレベルを指してもよい。

以下、各実施例において、グループネットワークの認識方法、装置、コンピュータ機器及びコンピュータ読み取り可能な媒体を詳しく説明する。以下の各実施例はいずれもｐｒｅｇｅｌグラフ計算フレームワーク及びｓｐａｒｌ ｇｒａｐｈｘにおけるａｐｉによってグループネットワークの認識を行うことができ、複数のサーバーにはデータ伝送ネットワークにおける各ノードのデータ伝送情報が保存され、該データ伝送情報に応じて本実施例におけるグループネットワークの認識方法を実行する。

図３を参照し、図３は本出願の実施例により提供されるグループネットワークの認識方法のフローチャートであり、図３に示すように、該方法はサーバーによって実行され、該方法は、以下のステップを含み、即ち、
１０１、認識対象となるターゲットグループのデータ移行特徴に応じて、各ノードの属性値の送信方向を確認し、つまり、
サーバーが認識対象となるターゲットグループのデータ移行特徴に応じて、各ノードの属性値の送信方向を確認する。

具体的に、該認識対象となるターゲットグループのデータ移行特徴が発散型であれば、サーバーは、各ノードの属性値の送信方向をノードの間のデータ移行の逆方向として確認する。

発散型は一つのデータ送信側のノードに対して複数のデータ受信側のノードが存在することを指し、例えば、ノードＡがデータをノードＢとノードＣに移行し、ノードＢがデータをノードＤとノードＥに移行し、ノードＣがデータをノードＦとノードＧに移行すると、ＡＢＣＤＥＦＧからなるグループにおいて、データが一つのノードＡからノードＢとノードＣを経て、四つのノードＤ、Ｅ、Ｆ、Ｇに移行し、該データ移行特徴が発散型であり、前記発散型ターゲットグループの一つのデータ送信側のノードに対して、対応するように少なくとも二つのデータ受信側のノードが存在する。

該認識対象となるターゲットグループのデータ移行特徴が収束型であれば、サーバーは、各ノードの属性値の送信方向をノードの間のデータ移行の正方向として確認し、収束型は一つのデータ受信側のノードに対して、複数のデータ送信側のノードが存在することを指し、例えば、ノードＢとノードＣとがノードＡにデータを移行し、ノードＤとノードＥとがノードＢにデータを移行し、ノードＦとノードＧとがノードＣにデータを移行すると、ＡＢＣＤＥＦからなるグループにおいて、データがノードＤ、Ｅ、Ｆ、Ｇという四つノードからノードＢ、ノードＣを経て、一つのノードＡに移行し、データ移行特徴が収束型であり、前記収束型ターゲットグループの一つのデータ受信側のノードに対して、対応するように、少なくとも二つのデータ送信側のノードが存在する。

実際の応用において、データ伝送ネットワークが旅客輸送交通ネットワークであり、ノードが停車駅の対応するコンピュータ機器であり、認識対象となるターゲットグループが最も旅客輸送線路を開ける価値を有する停車駅からなる開け対象となる駅グループであると、開け対象となる駅グループの交通輸送データ移行の特徴が収束型であり、即ち、旅客車がいずれも一つの駅に収束すると、該開け対象となる駅グループからなるネットワークを認識する場合、各ノードの属性値の送信方向をノードの間のデータ移行の正方向として確認する。

１０２、構築されたデータ伝送ネットワークにおいて、第１ノードと隣接する第２ノードとが接続された辺で該送信方向に沿って、該辺の辺ベクトルと該第１ノードの属性値とを第２ノードに送信し、
具体的に、図１における記憶サーバー２００に記録された情報データに応じて、データ伝送ネットワークを構築し、構築されたデータ伝送ネットワークが現実に存在するデータ伝送ネットワークに対応する。

辺ベクトルには複数のデータ移行の特徴値が含まれ、即、該辺ベクトルは少なくとも一つの一次元ベクトルに応じて該データ移行の特性を表し、例えば、該辺ベクトルには、認識対象となるターゲットグループのデータ移行特徴におけるキーワードとマッチングする回数、プリセット周期内でのデータの移行頻度、移行回数、及び移行総数などの一次元ベクトルが含まれてもよい。

該キーワードは、認識対象となるターゲットグループの特徴に対応するキーワードを指し、例えば、仮想リソース移行ネットワークにおける認識対象となるターゲットグループが賭博集団であれば、リソース移行キーワードが、大に賭け、賭け金、チップなどの賭けに関する単語である。旅客輸送交通ネットワークにおいて、サーバーは１年間を統計周期として、１ケ月をサンプリング分解能として、各駅の間の１年間内の各月の旅客輸送関係データを採集し、該辺ベクトルには、１年間内の各駅の間の旅客輸送数量の平均値と、１年間内の各駅の間の旅客輸送数量の各月内の分布と、１年間内の各駅の間の旅客輸送数量の各月の間における分散とが含まれてもよい。

辺は、ノードの間にデータ移行関係が存在するから、ノードの間に形成された辺を指す。例えば、ＡノードがＢノードにデータを移行すると、ＡノードとＢノードとの間には１本の辺が形成される。

属性値は、ノードの属性を表徴するためのパラメータ値を指し、ノードのノードＩＤ（Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ、アイデンティティ識別子）と、グループコア指数と、ノードの属性を表徴するための他のパラメータ値とを含んでもよい。グループコア指数は、一つのノードのデータ伝送ネットワークにおけるコアレベルを表徴することができる。

なお、該データ伝送ネットワークにおいて、第２ノードが同時に複数の第１ノードにデータを移行し、または複数の第１ノードが同時に第２ノードにデータを移行してもよいから、該送信方向に沿って、複数の辺ベクトルと第１ノードの属性値とが第２ノードに送信され、第２ノードはデータ移行の転入側または転出側であってもよく、第２ノードは属性値の受信側である。送信の具体的な形式について、辺ベクトルと属性値とが含まれるメッセージによって送信されてもよい。

グループ内のデータ移行関係の収束性と階層性のため、該送信方向に沿って辺ベクトルを送信し、ターゲットグループが発散型であると、データ移行の転入側の属性によってデータ移行の転出側の属性に影響し、ターゲットグループが収束型であると、データ移行の転出側の属性によってデータ移行の転入側の属性に影響する。

本出願の実施例のアルゴリズムはサーバーにおいて完成できるから、サーバーは該辺の辺ベクトルと第１ノードの属性値とを第２ノードに送信し、ターゲットグループの計算過程を開始し得る。

１０３、プリセットの計算ロジックに応じて、第２ノードが受信した辺ベクトルに対して加重計算を行うことで、最適な重みの辺を取得し、該計算ロジックは認識対象となるターゲットグループのデータ移行特徴にマッチし、
該最適な重みの辺は第１ノードと第２ノードとの間の、重みが最も大きい１本の辺であり、該辺によって示されるデータ移行関係の重みが最大である。

計算ロジックは重みに関する計算ロジックであり、認識対象となるターゲットグループのデータ移行特徴にマッチし、即ち、計算ロジックによって最適な重みの辺が異なって、重みが該ターゲットグループのデータ移行特徴にマッチする。

辺ベクトルにおける各データ移行の特徴値の加重値は該計算ロジックから付与され、該計算ロジックにより付与されたデータ移行の特徴値の加重値は、ターゲットグループのデータ移行特徴にマッチする。最適な重みの辺に対する確認は、最終に確認されたグループに対して重大な影響がある。

具体的に、該計算ロジックにおいて、事前に各データ移行の特徴値に異なる加重値を付与し、例えば、データ移行の頻度、移行回数、移行数量に対してそれぞれ０.６、０.３及び０.１の加重値が付与されると、第１本の辺では、辺ベクトルには、毎日１回のデータ移行の頻度、４回の移行回数、１００萬の移行数量
（１０萬を単位として、換算すると１０になる）が含まれ、第２本の辺では、辺ベクトルには、毎日１.５回のデータ移行の頻度、６回の移行回数、２０萬の移行数量
（１０萬を単位として、換算すると２になる）が含まれ、そうすれば、それぞれ加重計算を行って、該第１本の辺の辺重みが１＊０.６＋４＊０.３＋１０＊０.１＝２.８であり、該第２本の辺の辺重みが１.５＊０.６＋６＊０.３＋２＊０.１＝２.９であり、両者を比較すれば、第２本の辺が最適な重みの辺である。

１０４、該最適な重みの辺に接続された第１ノードの属性値に応じて、第２ノードの属性値を更新し、
具体的に、該データ伝送ネットワークにおいて、各第２ノードには、最適な重みの辺を介して該第２ノードに接続される第１ノードが一つのみあり、該第１ノードの属性値に応じて、該第２ノードの属性値を更新する。

１０５、ステップ１０１～１０４を繰り返し実行し、
１０６、プリセットの停止条件を満たすかどうかを判定し、
具体的に、第１ノードと隣接する第２ノードとが接続された辺で該属性値の送信方向に沿って、複数の該辺の辺ベクトルと第１ノードの属性値とを第２ノードに送信し、プリセットの計算ロジックに応じて、第２ノードが受信した複数の辺ベクトルに対して加重計算を行うことで、最適な重みの辺を取得すること、及び最適な重みの辺に接続された第１ノードの属性値に応じて、第２ノードの属性値を更新するというステップを繰り返し実行し、即ち、ステップ１０１～１０４を繰り返し実行し、プリセットの停止条件に満たすまでに、辺ベクトルを受信する側の属性値を絶えず更新する。

該プリセットの停止条件は、繰り返し回数がプリセットの繰り返し回数の閾値を超える、または繰り返し計算の時間がプリセットの繰り返し時間の閾値を超えることであってもよい。

該プリセットの停止条件は、データ伝送ネットワークにおいて、属性値を更新し得る第２ノードがなくなることであってもよい。

なお、各ラウンドの繰り返しが終了した際、繰り返しがプリセットの停止条件を満たすかどうかを判定し、繰り返しがプリセットの停止条件を満たす場合、ステップ１０７を実行し、さもなければ、次のラウンドの繰り返しを続く。

１０７、繰り返し後の各ノードの属性値に基づいて、同じく該ターゲットグループにある各ノードを確認し、該ターゲットグループにおける各ノードの属性を確認する。

ノードの属性値によって、同一グループに属するノードを確認でき、これによって、ターゲットグループネットワークの構成を取得する。

ノードの属性値によって、該グループにある各ノードの属性を確認でき、属性は各ノードのグループにおけるコアレベル、即ち、各々ノードの重要度を指す。例えば、一つのマーケティンググループネットワークにおいて、ノードの属性値に基づいて該マーケティンググループにおける仕入先、エージェント、顧客などの属性を確認できる。一つの賭けグループネットワークにおいて、ノードの属性値に基づいて該賭博集団におけるブックメーカー、クレームアジャスター、ギャンブラーなどの属性を確認できる。

本実施例により提供されるグループネットワークの認識方法は、認識対象となるターゲットグループのデータ移行特徴に応じて確認された送信方向に沿って、第１ノードの、第２ノードとの間にある辺の辺ベクトルを第２ノードに送信し、プリセットの計算ロジックに応じて、第２ノードが受信した辺ベクトルに対して、加重計算を行うことで、最適な重みの辺を取得し、最適な重みの辺に接続された第１ノードの属性値に応じて、第２ノードの属性値を更新し、前記ステップを何度も繰り返しした後、繰り返し後のノードの属性値に応じて、グループ及びノードのグラフにおける属性を確認し、該辺ベクトルには、第２ノードと第１ノードとの間のデータ移行特徴を表すための複数の特徴値が含まれるから、該データ移行特徴を有する該ターゲットグループをより正確に見分けることができ、且つ繰り返しは、第１ノードの属性値によって第２ノードの属性値を更新することのみに限定されるため、このような一方向の計算は繰り返しの時間の複雑さを低減させる。

図４を参照し、図４は本出願の他の実施例により提供されるグループネットワークの認識方法のフローチャートであり、図に示すように、該方法は以下を含み、即ち、
２０１、データ伝送ネットワークにおける各ノードの属性値を初期化し、
サーバーがデータ伝送ネットワークにおける各ノードの属性値を初期化し、属性値にはノードＩＤ（Ｉｄｅｎｔｉｔｙ）とグループコア指数とが含まれる。各ノードの属性値を初期化することは、具体的に、該第１ノードのノードＩＤを該第１ノードの初期ＩＤとすることと、該第２ノードのノードＩＤを該第２ノードの初期ＩＤとすることと、第１ノードと第２ノードとのグループコア指数を同じプリセット値として初期化することを含み、任意選択で、該プリセット値が０である。

グループコア指数は、データ伝送ネットワークにおける各ノードの重要度を測定するために用いられる。具体的に、グループコア指数の更新規則は事前に設定されてもよく、該プリセット値を基に、毎回一つの更新値を追加または減少させることを含んでもよく、該更新値について、１または１０とするように自己定義してもよく、該更新値は任意の値であってもよく、データ伝送ネットワークのネットワーク全体に同一の更新値を設定すれば、一つのノードの重要度の高さに対する判定に影響することがない。

任意選択で、グループコア指数の更新規則が、該プリセット値を基に、毎回一つの更新値を追加することであれば、一つのノードのグループコア指数が小さいほど、該ノードがグループにおいてよりコアの位置にあり、グループコア指数の更新方式が、該プリセット値を基に、毎回一つの更新値を減少させることであれば、一つのノードのグループコア指数が大きいほど、該ノードがグループにおいてよりコアの位置にある。

２０２、認識対象となるターゲットグループのデータ移行特徴に基づいて、各ノードの属性値の送信方向を確認し、
サーバーは、認識対象となるターゲットグループのデータ移行特徴に基づいて、各ノードの属性値の送信方向を確認する。

具体的に、該認識対象となるターゲットグループのデータ移行特徴が発散型であれば、各ノードの属性値の送信方向をノードの間のデータ移行の逆方向として確認する。

該認識対象となるターゲットグループのデータ移行特徴が収束型であれば、各ノードの属性値の送信方向をノードの間のデータ移行の正方向として確認する。

２０３、データ伝送ネットワークにおいて、第１ノードと隣接する第２ノードとが接続された辺で該送信方向に沿って、該辺の辺ベクトルと該第１ノードの属性値とを第２ノードに送信し、
サーバーは第１ノードと隣接する第２ノードとが接続された辺で該送信方向に沿って、該辺の辺ベクトルと該第１ノードの属性値とを第２ノードに送信する。

辺ベクトルには複数のデータ移行の特徴値が含まれ、具体的に、データ移行のキーワードとターゲットグループのデータ移行特徴におけるキーワードとのマッチング回数と、プリセット周期内のデータの移行頻度と、移行回数と移行数量とが含まれる。

データ移行のキーワードとターゲットグループのデータ移行特徴におけるキーワードとのマッチング回数は、ターゲットグループのデータ移行特徴に複数のキーワードが存在し、データ移行の際の付加的な情報において、これらのキーワードとマッチングする回数を指し、該ターゲットグループの性質と同様であるかどうかを示すための重要な特徴値であり、例えば、ターゲットグループがマーケティンググループであれば、そのデータ移行特徴におけるキーワードには売上高と、代行手数料と、数額と、各種の貨物名称とが含まれてもよく、二つのノードの間でデータ移行をする付加的な情報におけるキーワードが、これらのキーワードとマッチングする回数が多いほど、該ノードが該マーケティンググループに属する可能性が高いことを示し、該付加的な情報は備考、伝言などであってもよい。

第１ノードがプリセット周期内で第２ノードに対してデータ移行をする移行頻度が高いほど、第１ノードと第２ノードとが形成したデータ移行関係の重みが大きくなり、移行頻度は具体的に、例えば１週間でデータを移行する日数である。

第１ノードがプリセット周期内で第２ノードに対してデータ移行をする移行回数が多いほど、第１ノードと第２ノードとが形成したデータ移行関係の重みが大きくなることを示し、移行回数は具体的に、例えば１週間でデータを移行する回数である。

第１ノードがプリセット周期内で第２ノードに対してデータ移行をする移行数量が大きいほど、第１ノードと第２ノードとが形成したデータ移行関係の重みが大きくなることを示し、移行回数は具体的に、例えば１週間内でデータを移行する総数であり、
２０４、プリセットの計算ロジックに応じて、第２ノードが受信した辺ベクトルに対して加重計算を行うことで、最適な重みの辺を取得し、
任意選択で、該第２ノードが受信した複数の辺ベクトルにおけるデータ移行の特徴値に対して、該プリセットの計算ロジックにおける各特徴値にそれぞれ対応する重みの降順順序に応じて、同じタイプの特徴値の値を比較し、値が最大である特徴値に対応する辺を最適な重みの辺とする。

任意選択で、該データ伝送ネットワークは仮想リソース移行ネットワークであり、第２ノードが受信した辺ベクトルが仮想リソース移行の特徴ベクトルであると、第２ノードが受信した複数の辺ベクトルにおける仮想リソース移行の特徴値に対して、プリセットの計算ロジックにおける各々特徴値にそれぞれ対応する重みの降順順序に応じて、同じタイプの特徴値の値を比較し、値が最大である特徴値に対応する辺を最適な重みの辺とする。

該複数のデータ移行の特徴値には、データ移行のキーワードと該ターゲットグループのデータ移行特徴におけるキーワードとのマッチング回数と、プリセット周期内でのデータの移行頻度と、移行回数と、移行数量とが含まれる。

任意選択で、該第２ノードが受信した辺ベクトルにおけるデータ移行の特徴値に対して、該プリセットの計算ロジックにおける各該特徴値にそれぞれ対応する重みの降順順序に応じて、同じタイプの該特徴値の値を比較し、値が最大である特徴値に対応する辺を最適な重みの辺とすることは以下を含み、即ち、
該データ移行のキーワードと該ターゲットグループのデータ移行特徴におけるキーワードとのマッチング回数、該プリセット周期内でのデータ移行の移行頻度、移行回数及び移行数量に対して、該プリセットの計算ロジックにおけるそれぞれに対応する重みの降順順序に応じて値を比較し、値が最大である特徴値に対応する辺を最適な重みの辺とする。任意選択で、複数の仮想リソース移行の特徴値に、仮想リソース移行のキーワードとターゲットグループの仮想リソース移行特徴におけるキーワードとのマッチング回数と、プリセット周期内での仮想リソースの移行頻度と、移行回数と、移行金額とが含まれると、プリセットの計算ロジックに応じて、第２ノードが受信した辺ベクトルに対して加重計算を行うことで、最適な重みの辺を取得し、そうすれば、仮想リソース移行のキーワードとターゲットグループの仮想リソース移行特徴におけるキーワードとのマッチング回数、プリセット周期内での仮想リソースの移行頻度、移行回数及び移行金額に対して、プリセットの計算ロジックにおけるそれぞれに対応する重みの降順順序に応じて値を比較し、値が最大である特徴値に対応する辺を最適な重みの辺とする。

該最適な重みの辺は第１ノードと第２ノードとの間の、重みが最も大きい１本の辺であり、該辺により示される仮想リソース振込関係の重みが最大である。

任意選択で、計算ロジックは、認識対象となるターゲットグループの仮想リソース移行特徴にマッチングする、重みに関する計算ロジックであり、即ち、計算ロジックによって最適な重みの辺が異なって、重みは該ターゲットグループの仮想リソース移行特徴にマッチングする。

辺ベクトルにおいて各ベクトルの加重値は該計算ロジックから付与され、該計算ロジックにより各ベクトルに付与された加重値は、ターゲットグループの仮想リソース移行特徴にマッチングする。最適な重みの辺に対する確認は、最終に確認されたグループに対して重大な影響がある。

具体的に、該プリセットの計算ロジックはターゲットグループの特性にマッチングする。確認対象となるグループの特性の異なりに応じて、プリセットの計算ロジックが異なる。

２０５、最適な重みの辺に接続された第１ノードの属性値に応じて、第２ノードの属性値を更新し、
具体的に、第２ノードのノードＩＤを、最適な重みの辺に接続された第１ノードのノードＩＤに更新し、更新規則に応じて、最適な重みの辺に接続された第１ノードのグループコア指数にプリセットの更新値を追加または減少させるように第２ノードのグループコア指数を更新し、該更新値はプリセットの任意の値、例えば１であってもよく、そうすれば、更新規則は、最適な重みの辺に接続された第１ノードのグループコア指数に１を加算するように、第２ノードのグループコア指数を更新し、または、最適な重みの辺に接続された第１ノードのグループコア指数から１を減算するように、第２ノードのグループコア指数を更新する。

更新規則は、第２ノードのグループコア指数は最適な重みの辺に接続された第１ノードのグループコア指数に１を加算する場合一つのノードのグループコア指数に１を追加するように更新され、該ノードのノードＩＤは同時に他のノードのノードＩＤに更新され、そうすれば、該ノードの重要性が該他のノードより重要ではないことを示し、従って、一つのノードのグループコア指数が大きいほど、該ノードのコアレベルが低いことを示す。グループコア指数が増えると、コアレベルが低下する。

２０６、ステップ２０２～２０５を繰り返し実行し、
２０７、プリセットの停止条件を満たすかどうかを判定し、
さらに、プリセットの停止条件を満たすまで、第１ノードと隣接する第２ノードとが接続された辺で属性値の送信方向に沿って、複数の第１ノードの辺ベクトルを第２ノードに送信し、第２ノードが受信した複数の辺ベクトルに対して、プリセットの計算ロジックに応じて加重計算を行うことで、最適な重みの辺を取得すること、及び最適な重みの辺に接続された第１ノードの属性値に応じて、第２ノードの属性値を更新するというステップを繰り返し実行し、即ち、プリセットの停止条件に満たすまで、ステップ２０２～２０５を繰り返し実行する。

各ラウンドの繰り返しが終了した際、プリセットの停止条件を満たすかどうかを判定し、プリセットの停止条件を満たす場合、ステップ２０８を実行し、さもなければ、次のラウンドの繰り返しを続く。

具体的に、該プリセットの停止条件は、ステップ２０２～ステップ２０５を実行する繰り返し回数がプリセットの繰り返し回数に達する、またはステップ２０２～ステップ２０５を実行した後、データ伝送ネットワークにおける各ノードのノードＩＤが変更されないことである。

なお、繰り返し過程において、最適な重みの辺に接続された第１ノードの属性値におけるノードＩＤと第２ノードのノードＩＤとが同様であれば、ノードＩＤを更新せず、グループコア指数も更新しない。

プリセットの停止条件を満たす場合、ステップ２０８を実行する。

２０８、繰り返し後の各ノードの属性値に応じて、同じく該ターゲットグループにある各ノードを確認し、該ターゲットグループにおける各ノードの属性を確認し、
ノードの属性値によって、同一グループに属するノードを確認でき、これによって、ターゲットグループネットワークの構成を取得する。具体的に、ノードＩＤが同様であるノードは同一のグループである。

ノードの属性値によって、該グループにある各ノードの属性を確認でき、具体的に該更新規則及び各ノードのグループコア指数に応じて各ノードの属性を確認し、属性は各ノードのグループにおけるコアレベル、即ち、各ノードの重要度を指す。具体的な確認方式について、前記内容の関する説明を参照すればよく、ここで贅言しない。

２０９、同一のグループに属するノードの、前記データ伝送ネットワークにおける接続関係に応じて、グループネットワーク図を生成し、グループネットワーク図におけるグループコア指数が異なるノードに対して、異なるプリセットの相違特徴を注記するとともに、該グループネットワーク図を出力する。

同一のグループに属するノードの、該データ伝送ネットワークにおける接続関係に応じて、グループネットワーク図を生成し、グループネットワーク図におけるグループコア指数が異なるノードに対して、異なるプリセットの相違特徴、例えば、異なるプリセット色を注記するとともに、該グループネットワーク図を出力し、グループコア指数に応じて可視化するようにノードを表示することで、ユーザーが直観的に該グループのノードのコアレベルを見ることができる。

さらに、該グループネットワーク図を出力する前に、グループネットワーク図における各ノードにノードのノードＩＤとグループコア指数とを注記し、二つずつ接続されたノードの間の辺に辺ベクトルを注記することで、ユーザーが該グループネットワーク図を見る際、該グループネットワーク図の各ノードの情報及びノードの間の関係を明確に分かることができ、該グループの性質に対する判定に、必要な情報を提供し、判定の正確性を向上させる。

本実施例により提供されるグループネットワークの認識方法をより明らかに説明するために、以下は一つの仮想リソース移行ネットワークから賭博集団ネットワークを掘り出すことを例として説明するが、本実施例により提供されるグループネットワークの認識方法に対するいかなる形式での限定ではない。賭博集団を掘り出した後、関する部署に通報し、該賭博集団に対して監視及び打撃を行う。

図５を参照し、図５は本出願の実施例により提供されるグループネットワークの認識方法における仮想リソース移行ネットワークの模式図である。図５に示すように、該仮想リソース移行ネットワークは、ノードＡ、ノードＢ、…、ノードＭという１３個のノードを有し、以上の各ノードの間で、仮想リソース移行関係に基づき、辺ｅｄｇｅ１、辺ｅｄｇｅ２、…、辺ｅｄｇｅ１１、辺ｅｄｇｅ１２という１２本の辺が生じて、各辺が一つの辺ベクトルを伝送でき、各辺ベクトルには特徴値ａ１、特徴値ａ２及び特徴値ａ３という三つの仮想リソース移行の特徴値が含まれ、該三つの仮想リソース移行の特徴値がそれぞれ、仮想リソース移行を行うキーワードと、ターゲットグループの仮想リソース移行特徴におけるキーワードのマッチング回数と、１週間で仮想リソース移行を行う回数及び１週間で移行された仮想リソースの総額である。仮想リソース移行ネットワークから賭け性質を有するグループを掘り出すと、特徴値ａ１は具体的に、仮想リソースを移行する時の備考におけるキーワードと、賭けに関するキーワードとがマッチングする回数であり、このようなキーワードは、例えば、「賭け金」、「チップ」、「大に賭け」などの、賭けに関する単語である。

まず、仮想リソース移行ネットワークにおける各ノードの属性値を初期化する。各ノードのそれぞれのノードＩＤは、各自の初期のノードＩＤであり、各ノードに対して、一つの同じ初期のグループコア指数を定義し、該初期のグループコア指数は０であってもよい。なお、初期のノードＩＤと初期のグループコア指数とがいずれも対応するノードのそばに注記され、例えば、図６におけるノードＡの初期のノードＩＤは１であり、初期のグループコア指数は０であると、（１、０）という形式でノードＡのそばに注記され、図６におけるノードＢの初期のノードＩＤは２であり、初期のグループコア指数は０であると、（２、０）という形式でノードＢのそばに注記され、他のノードについて、同じ形式で注記すればよい。

図６を参照し、図６は図５における仮想リソース移行ネットワークの、初期のグループコア指数を割り当てた後の模式図であり、図６において、各ノードの初期のノードＩＤはそれぞれ異なり、具体的に、本実施例において、各ノードの初期のグループコア指数をいずれも０として、グループコア指数の更新規則は、更新する度に、１を加算することを例とする。

賭博集団というターゲットグループの仮想リソース移行特徴が発散型であれば、第１ノードと第２ノードとが接続された各本の辺で仮想リソース移行方向の逆方向に沿って、第１ノードはメッセージという形式で第２ノードに辺ベクトルと第１ノードの属性値とを送信し、第１ノードは仮想リソース移行の受信側であり、第２ノードは仮想リソース移行の送信側であり、図７を参照し、図７は図６における仮想リソース移行ネットワークの、多次元ベクトルを送信する場合の模式図である。

プリセットの計算ロジックに応じて、第２ノードが受信した複数のメッセージにおける辺ベクトルに対して、加重計算を行うことで、ターゲットメッセージを取得する。

ノードＤが、第１メッセージＭｓｇ１と第２メッセージＭｓｇ２とを受信する。第１メッセージＭｓｇ１にはノードＡのノードＩＤと、ノードＡのグループコア指数と、ノードＡとノードＤとが接続された辺の第１辺ベクトルｅｄｇｅ１とが含まれる。なお、第１辺ベクトルｅｄｇｅ１には、Ｍｓｇ１.ａ１と、Ｍｓｇ１.ａ２とＭｓｇ１.ａ３という三つの仮想リソース移行の特徴値が含まれ、それぞれノードＤがノードＡに仮想リソースを移行する時の備考におけるキーワードとターゲットグループの仮想リソース移行キーワードとのマッチング回数、１週間でノードＤがノードＡに仮想リソースを移行する回数、及び１週間でノードＤがノードＡに移行する仮想リソースの総額を示す。第２メッセージＭｓｇ２にはノードＢのノードＩＤと、ノードＢのグループコア指数と、第２辺ベクトルｅｄｇｅ２とが含まれ、第２辺ベクトルｅｄｇｅ２には、Ｍｓｇ２.ａ１と、Ｍｓｇ２.ａ２と、Ｍｓｇ２.ａ３という三つの仮想リソース移行の特徴値が含まれ、それぞれノードＤがノードＢに仮想リソースを移行する時の備考におけるキーワードとターゲットグループの仮想リソース移行キーワードとのマッチング回数、１週間でノードＤがノードＢに仮想リソースを移行する回数、及び１週間でノードＤがノードＢに移行する仮想リソースの総額を示す。

賭博集団の仮想リソース移行特性に応じて、各仮想リソース移行の特徴値に対して加重計算を行うための計算ロジックを確認し、重みが大きい仮想リソース移行の特徴値であるほど、優先に比較し、逆に、重みが小さい仮想リソース移行の特徴値であるほど、後回しに比較する。該実施例において、まず、重みが最大であるａ１の値、即ち、Ｍｓｇ１.ａ１の値とＭｓｇ２.ａ１の値との大きさを比較し、Ｍｓｇ１.ａ１の値がＭｓｇ２.ａ１の値より大きく、Ｍｓｇ１.ａ１の値とＭｓｇ２.ａ１の値との差の絶対値が、第１プリセット偏差値より大きいと、第１メッセージＭｓｇ１を送信する辺を、現在の最適な重みの辺とし、Ｍｓｇ１.ａ１の値がＭｓｇ２.ａ１の値より小さく、Ｍｓｇ１.ａ１の値とＭｓｇ２.ａ１の値との差の絶対値が該第１プリセット偏差値より大きいと、第２メッセージＭｓｇ２を送信する辺を、現在の最適な重みの辺とし、Ｍｓｇ１.ａ１の値とＭｓｇ２.ａ１の値との差の絶対値が、該第１プリセット偏差値より小さいと、重みがａ１より小さいａ２の値、即ち、Ｍｓｇ１.ａ２の値とＭｓｇ２.ａ２の値との大きさを比較し、Ｍｓｇ１.ａ２の値がＭｓｇ２.ａ２より大きく、Ｍｓｇ１.ａ２の値とＭｓｇ２.ａ２の値との差の絶対値が第２プリセット偏差値より大きく、及びＭｓｇ１.ａ２の値がプリセット値より大きい場合、第１メッセージＭｓｇ１を送信する辺を、現在の最適な重みの辺とし、そのうち、Ｍｓｇ１.ａ２の値がプリセット値より大きいことは、Ｍｓｇ１.ａ２が意味ある仮想リソース移行の特徴値を構成することを示し、Ｍｓｇ１.ａ２の値がＭｓｇ２.ａ２の値より小さく、Ｍｓｇ１.ａ２の値とＭｓｇ２.ａ２の値との差の絶対値が第２プリセット偏差値より大きく、Ｍｓｇ２.ａ２の値が該プリセット値より大きいと、第２メッセージＭｓｇ２を送信する辺を、現在の最適な重みの辺とし、Ｍｓｇ１.ａ２の値とＭｓｇ２.ａ２の値との差の絶対値が該第２プリセット偏差値より小さく、またはＭｓｇ１.ａ２の値とＭｓｇ２.ａ２の値とがいずれも該プリセット値の以下であれば、重みがａ１及びａ２より小さいａ３の値、即ち、Ｍｓｇ１.ａ３の値とＭｓｇ２.ａ３の値との大きさを比較し、Ｍｓｇ１.ａ３の値がＭｓｇ２.ａ３の値より大きく、Ｍｓｇ１.ａ３の値とＭｓｇ２.ａ３の値との間の絶対値が第３プリセット偏差値より大きいと、第１メッセージＭｓｇ１を送信する辺を、現在の最適な重みの辺とし、Ｍｓｇ１.ａ３の値がＭｓｇ２.ａ３の値より小さく、Ｍｓｇ１.ａ３の値とＭｓｇ２.ａ３の値との間の絶対値が第３プリセット偏差値より大きいと、第２メッセージＭｓｇ２を送信する辺を、現在の最適な重みの辺とする。

該実施例において、加重計算を経た後、ノードＢとノードＤとの間で第２メッセージＭｓｇ２を送信する辺を、最適な重みの辺として取得すると、ノードＢのノードＩＤをノードＤのノードＩＤに更新し、ノードＢのグループコア指数に対して１を加算した後、ノードＤのグループコア指数として更新する。

図８を参照し、図８は図７における仮想リソース移行ネットワークから認識されたターゲットグループの模式図である。該グループネットワークは一つの賭博集団の仮想リソース移行ネットワークである。各ノードのグループコア指数に応じて、これらのノードの、該賭博集団における役割を判定でき、グループコア指数が小さいほど、該ノードの該賭博集団における地位が重要であることを示し、該実施例において、ノードＨ、ノードＦ、ノードＧ及びノードＩのグループコア指数が２であれば、外部のギャンブラーであり、ノードＥとノードＤとのグループコア指数が１であれば、クレームアジャスターであり、ノードＢのグループコア指数が０であれば、ブックメーカーである。任意選択で、関連部署に該賭博集団の情報を通報する際に、ノードＢの全ての仮想リソース移行行為をまとめて、マネーロンダリング防止部署に通報してもよい。

本実施例において、認識対象となるターゲットグループのデータ移行特徴に基づいて確認した送信方向に沿って、第１ノードの、第２ノードとの間にある辺の辺ベクトルを第２ノードに送信し、プリセットの計算ロジックに応じて、第２ノードが受信した辺ベクトルに対して加重計算を行うことで、最適な重みの辺を取得し、最適な重みの辺に接続された第１ノードの属性値に応じて、第２ノードの属性値を更新し、前記ステップを何度も繰り返しした後、繰り返し後のノードの属性値に応じて、グループ、及びノードのグループにおける属性を確認し、該辺ベクトルには、第２ノードと第１ノードとの間のデータ移行特徴を説明するための複数の特徴値が含まれるから、該データ移行特徴を有する該ターゲットグループをより正確に見分けることができ、且つ、繰り返しは、第１ノードの属性値によって第２ノードの属性値を更新することのみに限定されるため、このような一方向の計算が繰り返しの時間の複雑さを低減させる。

図９を参照し、図９は本出願の一つの実施例により提供されるグループネットワークの認識装置の構成模式図であり、図９に示すように、該グループネットワークの認識装置は以下のモジュールを備え、即ち、
認識対象となるターゲットグループのデータ移行特徴に基づいて、各ノードの属性値の送信方向を確認するための確認モジュール４０１であって、
任意選択で、確認モジュール４０１はさらに、認識対象となるターゲットグループのデータ移行特徴が発散型であれば、各ノードの属性値の送信方向をノードの間のデータ移行の逆方向として確認し、
確認モジュール４０１はさらに、認識対象となるターゲットグループのデータ移行特徴が収束型であれば、各ノードの属性値の送信方向をノードの間データ移行の正方向として確認する。

構築されたデータ伝送ネットワークにおいて、第１ノードと隣接する第２ノードとが接続された辺で、前記送信方向に沿って、該辺の辺ベクトルと該第１ノードの属性値とを該第２ノードに送信するための送信モジュール４０２であって、該辺ベクトルには複数のデータ移行の特徴値が含まれ、
プリセットの計算ロジックに応じて、該第２ノードが受信した辺ベクトルに対して、加重計算を行うことで、最適な重みの辺を取得するための計算モジュール４０３であって、該計算ロジックが該認識対象となるターゲットグループのデータ移行特徴にマッチングし、
該最適な重みの辺に接続された該第１ノードの属性値に基づいて、該第２ノードの属性値を更新するための更新モジュール４０４、
プリセットの停止条件を満たすまで、該第１ノードと隣接する第２ノードとが接続された辺で該送信方向に沿って、該辺の辺ベクトルと第１ノードの属性値を該第２ノードに送信し、プリセットの計算ロジックに応じて、該第２ノードが受信した辺ベクトルに対して、加重計算を行うことで、最適な重みの辺を取得すること、及び該最適な重みの辺に接続された該第１ノードの属性値に基づいて、該第２ノードの属性値を更新するというステップを繰り返し実行するようにトリガーするための繰り返しモジュール４０５、
確認モジュール４０１はさらに、繰り返し後の各ノードの属性値に基づいて、同じく該ターゲットグループにある各ノード、及び該ターゲットグループにおける各ノードの属性を確認する。

本実施例に関する細部について、前記図３に示される実施例に対する記載を参照すればよい。

本実施例において、認識対象となるターゲットグループのデータ移行特徴に基づいて確認した送信方向に沿って、第１ノードの、第２ノードとの間にある辺の辺ベクトルを第２ノードに送信し、プリセットの計算ロジックに応じて、第２ノードが受信した辺ベクトルに対して、加重計算を行うことで、最適な重みの辺を取得し、最適な重みの辺に接続された第１ノードの属性値に基づいて、第２ノードの属性値を更新し、前記ステップを何度も繰り返しした後、繰り返し後のノードの属性値に基づいて、グループ、及びノードのグループにおける属性を確認し、該辺ベクトルには、第２ノードと第１ノードとの間のデータ移行特徴を表すための複数の特徴値が含まれるから、該データ移行特徴を有する該ターゲットグループをより正確に見分けることができ、且つ繰り返しが第１ノードの属性値によって第２ノードの属性値を更新することのみに限定されるため、このような一方向の計算が繰り返しの時間の複雑さを低減させる。

図１０を参照し、図１０は本出願の一つの実施例により提供されるグループネットワークの認識装置の構成模式図であり、図９に示されるグループネットワークの認識装置と相違点は、本実施例において、
属性値にはノードＩＤとグループコア指数とが含まれ、該装置はさらに、以下のモジュールを備え、即ち、
初期化モジュール５０１は、該第１ノードのノードＩＤを該第１ノードの初期ＩＤとし、該第２ノードのノードＩＤを該第２ノードの初期ＩＤとし、該第１ノードと該第２ノードとのグループコア指数を同じくプリセット値に初期化する。

更新モジュール４０４は、さらに、該第２ノードのノードＩＤを、該最適な重みの辺に接続された第１ノードのノードＩＤに更新し、更新規則に応じて、該最適な重みの辺に接続された第１ノードのグループコア指数にプリセットの更新値を増加または減少させるように、該第２ノードのグループコア指数を更新する。

確認モジュール４０１は、さらに、該更新規則及び該各ノードのグループコア指数に応じて、該各ノードの属性を確認する。

計算モジュール４０３は、さらに該第２ノードが受信した複数の辺ベクトルにおけるデータ移行の特徴値に対して、該プリセットの計算ロジックにおける各該特徴値にそれぞれ対応する重みの降順順序に応じて、同じタイプの該特徴値の値を比較し、値が最大である特徴値に対応する辺を最適な重みの辺とする。

該複数のデータ移行の特徴値に、データ移行のキーワードと該ターゲットグループのデータ移行特徴におけるキーワードとのマッチング回数と、プリセット周期内のデータの移行頻度と、移行回数と、移行金額とが含まれると、計算モジュール４０３はさらに、該データ移行のキーワードと該ターゲットグループのデータ移行特徴におけるキーワードとのマッチング回数、該プリセット周期内のデータ移行の移行頻度、移行回数及び移行金額に対して、該プリセットの計算ロジックにおけるそれぞれに対応する重みの降順順序に応じて値を比較し、値が最大である特徴値に対応する辺を最適な重みの辺とする。

該装置はさらに、同一のグループに属するノードの、該データ伝送ネットワークにおける接続関係に基づいて、グループネットワーク図を生成するための生成モジュール５０２と、該グループネットワーク図におけるグループコア指数が異なるノードに対して、異なるプリセット相違特徴を注記するための注記モジュール５０３と、該グループネットワーク図を出力するための出力モジュール５０４とを有し、注記モジュール５０３はさらに、該グループネットワーク図における各ノードに、ノードの該ノードＩＤと該グループコア指数とを注記し、二つずつ接続されたノードの間の辺に、該辺ベクトルを注記する。

本実施例において、認識対象となるターゲットグループのデータ移行特徴に基づいて確認した送信方向に沿って、第１ノードの、第２ノードとの間にある辺の辺ベクトルを第２ノードに送信し、プリセットの計算ロジックに応じて、第２ノードが受信した辺ベクトルに対して、加重計算を行うことで、最適な重みの辺を取得し、最適な重みの辺に接続された第１ノードの属性値に基づいて第２ノードの属性値を更新し、前記ステップを何度も繰り返しし、繰り返し後のノードの属性値に応じて、グループ、及びノードのグループにおける属性を確認し、該辺ベクトルには、第２ノードと第１ノードとの間のデータ移行特徴を表すための複数の特徴値が含まれるから、該データ移行特徴を有する該ターゲットグループをより正確に見分けることができ、且つ、繰り返しは第１ノードの属性値によって第２ノードの属性値を更新することのみに限定されるから、このような一方向の計算が繰り返しの時間の複雑さを低減させる。

前記実施例において、各実施例に対する記載はいずれも重点を有し、ある実施例において、詳述されていない部分について、他の実施例の関する記載を参照すればよい。

図１１は、一つの実施例におけるコンピュータ機器の内部構成図を示す。該コンピュータ機器は具体的に図１におけるサーバー１２０であってもよい。図１１に示すように、該コンピュータ機器は、システムパスを介して接続されたプロセッサーと、メモリーと、ネットワークインターフェースとを有する。そのうち、メモリーには不揮発性記憶媒体と内部メモリーとが含まれる。該コンピュータ機器の不揮発性記憶媒体にはオペレーティングシステム、及びコンピュータ読み取り可能な命令が記憶され、該コンピュータ読み取り可能な命令がプロセッサーによって実行されると、プロセッサーにグループネットワークの認識方法を実現させることができる。該内部メモリーにはコンピュータ読み取り可能な命令が記憶されてもよく、該コンピュータ読み取り可能な命令がプロセッサーによって実行されると、プロセッサーにグループネットワークの認識方法を実行させることができる。当業者が理解できるように、図１１に示される構成は、本出願の技術案が適用されたコンピュータ機器に対する限定を形成せず、本出願の技術案に関する部分構成のブロック図のみであり、具体的なコンピュータ機器は、図面に示されたものより多くまたは少ない部品を有してもよく、またはいくつかの部品を組み合わせてもよく、或いは異なる部品の配置を具備してもよい。

一つの実施例において、本出願により提供されるグループネットワークの認識装置は、コンピュータ読み取り可能な命令という形式で実現されてもよく、コンピュータ読み取り可能な命令が図１１に示されるコンピュータ機器に実行される。コンピュータ機器のメモリーには、例えば図９に示される確認モジュール４０１、送信モジュール４０２、計算モジュール４０３、更新モジュール４０４、繰り返しモジュール４０５、及び符号化モジュール９１２などの、該グループネットワークの認識装置を構成する各々プログラムモジュールが記憶されてもよい。各プログラムモジュールからなるコンピュータ読み取り可能な命令によって、プロセッサーに、本明細書に記載の本出願の各実施例のグループネットワークの認識方法におけるステップを実行させる。

さらに、本出願の実施例はコンピュータ読み取り可能な媒体を提供し、該コンピュータ読み取り可能な媒体は前記各実施例におけるグループネットワークの認識装置に設けられてもよい。該コンピュータ読み取り可能な媒体は前記図１１に示される実施例におけるメモリーであってもよい。該コンピュータ読み取り可能な媒体にはコンピュータプログラムが記憶され、該プログラムがプロセッサーに実行される場合、前記図３～図８に示される実施例に記載のグループネットワークの認識方法を実現する。さらに、該コンピュータ読み取り可能な記憶媒体は、ＵＳＢメモリ、外付けハードディスク、
読み取り専用メモリ－（ＲＯＭ、Ｒｅａｄ－Ｏｎｌｙ Ｍｅｍｏｒｙ）、ランダムアクセスメモリ－（ＲＡＭ、Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、磁気ディスク、または光学ディスクなどの、プログラムコードを記憶できる様々な媒体であってもよい。

当業者は理解できるように、前記実施例方法における全てまたは一部の手順を実現することは、コンピュータ読み取り可能な命令によって関するハードウエアを指示することで完成でき、コンピュータ読み取り可能な命令は不揮発性コンピュータ読み取り可能な記憶媒体に記憶され、該プログラムが実行される場合、前記各方法の実施例の手順を含んでもよい。本出願により提供される各実施例が利用する、メモリー、記憶、データベースまたは他の媒体に対する援用は、いずれも不揮発性及び/または揮発性メモリーを含んでもよい。不揮発性メモリーは読み取り専用メモリ－（ＲＯＭ）、プログラマブルＲＯＭ（ＰＲＯＭ）、電気プログラマブルＲＯＭ（ＥＰＲＯＭ）、電気消去可能プログラマブルＲＯＭ（ＥＥＰＲＯＭ）またはフラッシュメモリを含んでもよい。揮発性メモリーはランダムアクセスメモリ－（ＲＡＭ）または外部キャッシュメモリーを含んでもよい。限定ではなく、説明として、ＲＡＭは、例えばスタティックＲＡＭ（ＳＲＡＭ）、ダイナミックＲＡＭ（ＤＲＡＭ）、同期型ＤＲＡＭ（ＳＤＲＡＭ）、ダブルデータレートＳＤＲＡＭ（ＤＤＲＳＤＲＡＭ）、強化型ＳＤＲＡＭ（ＥＳＤＲＡＭ）、同期リンク（Ｓｙｎｃｈｌｉｎｋ）ＤＲＡＭ（ＳＬＤＲＡＭ）、ラムバス（Ｒａｍｂｕｓ）
ダイレクトＲＡＭ（ＲＤＲＡＭ）、ダイレクト・ラムバスＲＡＭ（ＤＲＤＲＡＭ）、及びラムバスＲＡＭ（ＲＤＲＡＭ）などのような多種の形式で取得できる。別体部品として説明された前記モジュールは、物理的に分離されてもよく、そうでなくてもよく、モジュールとして示された部品は、物理モジュールであってもよく、そうでなくてもよく、即ち、一つの箇所に位置されてもよく、または複数のネットワークモジュールに分布されてもよい。実際の需要に応じて、そのうちの一部または全てのモジュールを選択することで、本実施例の技術案の目的を実現することができる。

なお、前記各方法の実施例に対して、説明の便宜上、いずれも一連の動作の組み合わせとして表現したが、当業者が分かるように、本出願は記載の動作順序に限定されず、なぜなら、本出願に応じて、いくつかのステップについて、他の順序を採用または同時に実行してもよいからだ。そして、当業者が分かるように、明細書に記載の実施例はいずれも好適な実施例であり、関わる動作及びモジュールは本出願にとって必ず必要であるわけではない。各実施例において、前記「第１」、「第２」などの表現は、順序に対するいかなる限定ではなく、ただ命名の際の区別のために用いられる。以上は本出願により提供されるグループネットワークの認識方法、装置、サーバー及びコンピュータ読み取り可能な媒体に対する記載であり、当業者にとって、本出願の実施例の構想に応じて、具体的な実施形態及び応用範囲では、変更箇所があるはずであり、以上のように、本明細書の内容は、本出願に対する限定として理解できない。

Claims (9)

1. コンピュータ機器によって実行されるグループネットワークの認識方法であって、
   認識対象となるターゲットグループのデータ移行特徴に基づいて、各ノードの属性値の送信方向を確認するステップであって、
   前記認識対象となるターゲットグループのデータ移行特徴が発散型であれば、各ノードの属性値の送信方向をノードの間のデータ移行の逆方向として確認するステップと、
   前記認識対象となるターゲットグループのデータ移行特徴が収束型であれば、各ノードの属性値の送信方向をノードの間のデータ移行の正方向として確認するステップと、
   を含むステップと、
   構築されたデータ伝送ネットワークにおいて、第１ノードと隣接する第２ノードとが接続された辺で、前記送信方向に沿って、複数のデータ移行の特徴値が含まれる前記辺の辺ベクトルと前記第１ノードの属性値とを前記第２ノードに送信するステップと、
   プリセット計算ロジックに従って、前記第２ノードが受信した辺ベクトルに対して加重計算を行うことで、重みが最も大きい辺を最適な重みの辺として取得するステップであって、前記プリセット計算ロジックは前記認識対象となるターゲットグループのデータ移行特徴にマッチングする、ステップと、
   前記最適な重みの辺に接続された前記第１ノードの属性値に基づいて、前記第２ノードの属性値を更新するステップであって、前記第２ノードのノードＩＤを、前記最適な重みの辺に接続された第１ノードのノードＩＤに更新し、且つ更新規則に応じて前記第２ノードのグループコア指数を、前記最適な重みの辺に接続された第１ノードのグループコア指数にプリセット更新値を増加または減少させるように更新する、ステップと、
   前記送信するステップ、前記取得するステップ、及び前記更新するステップをプリセットの停止条件を満たすまで繰り返して実行するステップと、
   繰り返して実行された前記ステップの後の各ノードの属性値に基づいて、同じ前記ターゲットグループにある各ノード、及び前記ターゲットグループにおける各ノードの属性を確認するステップと、
   を含むグループネットワークの認識方法。
2. 前記属性値に、ノードＩＤとグループコア指数とが含まれると、前記辺の辺ベクトルと前記第１ノードの属性値とを前記第２ノードに送信するステップの前に、
   前記第１ノードのノードＩＤを前記第１ノードの初期ＩＤとし、前記第２ノードのノードＩＤを前記第２ノードの初期ＩＤとし、前記第１ノードと前記第２ノードとのグループコア指数を同じくプリセット値に初期化するステップを含む請求項１に記載のグループネットワークの認識方法。
3. 前記第２ノードの属性値を更新するステップは、
   同じ前記ターゲットグループにある各ノード、及び前記ターゲットグループにおける各ノードの属性を確認するステップは、
   前記更新規則、及び前記各ノードのグループコア指数に応じて、前記各ノードの属性を確認するステップを含む請求項１又は２に記載のグループネットワークの認識方法。
4. コンピュータ機器によって実行されるグループネットワークの認識方法であって、
   認識対象となるターゲットグループのデータ移行特徴に基づいて、各ノードの属性値の送信方向を確認するステップであって、
   前記認識対象となるターゲットグループのデータ移行特徴が発散型であれば、各ノードの属性値の送信方向をノードの間のデータ移行の逆方向として確認するステップと、
   前記認識対象となるターゲットグループのデータ移行特徴が収束型であれば、各ノードの属性値の送信方向をノードの間のデータ移行の正方向として確認するステップと、
   を含むステップと、
   構築されたデータ伝送ネットワークにおいて、第１ノードと隣接する第２ノードとが接続された辺で、前記送信方向に沿って、複数のデータ移行の特徴値が含まれる前記辺の辺ベクトルと前記第１ノードの属性値とを前記第２ノードに送信するステップと、
   前記第２ノードが受信した複数の辺ベクトルにおけるデータ移行の特徴値に対して、各前記特徴値にそれぞれ対応する重みの降順に応じて、同じタイプの前記特徴値の値を比較し、値が最大である特徴値に対応する辺を最適な重みの辺として取得するステップと、
   前記最適な重みの辺に接続された前記第１ノードの属性値に基づいて、前記第２ノードの属性値を更新するステップであって、前記第２ノードのノードＩＤを、前記最適な重みの辺に接続された第１ノードのノードＩＤに更新し、且つ更新規則に応じて前記第２ノードのグループコア指数を、前記最適な重みの辺に接続された第１ノードのグループコア指数にプリセット更新値を増加または減少させるように更新する、ステップと、
   前記送信するステップ、前記取得するステップ、及び前記更新するステップをプリセットの停止条件を満たすまで繰り返して実行するステップと、
   繰り返して実行された前記ステップの後の各ノードの属性値に基づいて、同じ前記ターゲットグループにある各ノード、及び前記ターゲットグループにおける各ノードの属性を確認するステップと、
   を含むグループネットワークの認識方法。
5. 前記複数のデータ移行の特徴値には、データ移行のキーワードと前記ターゲットグループのデータ移行特徴におけるキーワードとのマッチング回数、プリセット周期内のデータの移行頻度、移行回数、及び移行数量が含まれ、値が最大である特徴値に対応する辺を最適な重みの辺として取得するステップは、
   前記データ移行のキーワードと前記ターゲットグループのデータ移行特徴におけるキーワードとのマッチング回数、前記プリセット周期内のデータ移行の移行頻度、移行回数、及び移行数量に対して、それぞれに対応する重みの降順に応じて値を比較し、値が最大である特徴値に対応する辺を最適な重みの辺とするステップを含む請求項４に記載のグループネットワークの認識方法。
6. 同じ前記ターゲットグループにある各ノード、及び前記ターゲットグループにおける各ノードの属性を確認するステップの後に、
   同一のグループに属するノードの、前記データ伝送ネットワークにおける接続関係に基づいて、グループネットワーク図を生成するステップと、
   前記グループネットワーク図におけるグループコア指数が異なるノードに対して、異なるプリセット相違特徴を注記するとともに、前記グループネットワーク図を出力するステップとを含む請求項１乃至５のいずれか一項に記載のグループネットワークの認識方法。
7. 前記グループネットワーク図を生成するステップの前に、さらに、
   前記グループネットワーク図における各ノードに、ノードの前記ノードＩＤと前記グループコア指数とを注記し、二つずつの接続されたノードの間の辺に、前記辺ベクトルを注記するステップを含む請求項６に記載のグループネットワークの認識方法。
8. コンピュータ機器であって、プロセッサーとメモリーとを含み、前記プロセッサーが前記メモリーに記憶されたプログラムをロードし実行することにより、請求項１乃至７のいずれか一項に記載の方法を実現するコンピュータ機器。
9. コンピュータ機器に請求項１乃至７のいずれか一項に記載の方法を実行させるコンピュータプログラム。
   

Images