相似性度量的方法及设备技术

本发明专利技术实施例提供了一种相似性度量的方法，包括：获取网络中的节点之间的指向关系并确定转移矩阵；根据转移矩阵和所获取的衰减因子计算约束矩阵；构建线性方程组，其中，线性方程组的系数矩阵为所述约束矩阵，线性方程组的变量为矫正向量；通过Jacobi方法迭代求解线性方程组，确定矫正向量；根据转移矩阵、衰减因子和由矫正向量所生成的对角矫正矩阵，计算节点之间的相似度。本发明专利技术实施例中，采用Jacobi方法确定矫正向量，进一步可计算节点之间的相似度。在Jacobi方法的每一次迭代中，计算矫正向量的各个元素是互相独立的，这样能够并行计算，从而能够利用计算机集群有效地减少计算时间，降低计算时的时间复杂度和空间复杂度，并且能够适用于大网络。

【技术实现步骤摘要】

本专利技术实施例涉及数据处理领域，并且更具体地，涉及一种相似性度量的方法及设备。
技术介绍
在如今的大数据互联网时代，大图和大网络是数据和信息的常见表达方式，例如，社交网络、互联网、电子商务、通信网络等。基于图的应用可以包括检索和推荐。其中，检索可以例如谷歌(google)搜索引擎。推荐可以例如脸书(Facebook)朋友推荐、领英(LinkedIn)职业推荐、网飞(Netflix)电影推荐、易贝(Ebay)和亚马逊(Amazon)商品推荐、推特(Twitter)消息推荐等。一般地，检索和推荐都是基于图中节点之间的相似性进行的。例如，社交网络是朋友之间分享信息的重要平台。朋友越多，信息共享和交流越频繁。因此维护社交网络的一个重要功能是，根据节点之间的相似性进行朋友推荐。再例如，在华为离网分析中，假设客户A放弃联通业务转向移动业务，那么对于联通来说，需要了解与客户A最为“相似”的客户，作为潜在的可能会流失的客户并重点关注。一种衡量节点间的相似性的方法为：收集所有节点的各种属性，例如年龄、职业、收入、爱好等，然后根据各种属性的相似性来衡量节点之间的相似性。然而，这种方法不仅需要收集大量的客户信息，对存储要求高，并且这种方法可能会涉及到客户的个人隐私信息。另一种较为有效地进行节点之间的相似性度量的方法为SimRank。目前，SimRank已经被广泛地应用在各种场景中，例如，推荐系统、信息检索、连接预测(link prediction)、引文网络(citation network)、学生课程网络等。但是，现有技术当中基于SimRank的相似性度量的方法是根据定义直接计算的，造成时间和空间复杂度高，不适于大网络。
技术实现思路
本专利技术实施例提供一种相似性度量的方法，时间和空间复杂度低，能够适于大网络。第一方面，提供了一种相似性度量的方法，包括：获取网络中的n个节点两两之间的指向关系，并根据所述指向关系确定转移矩阵，其中，所述转移矩阵的维度为n×n，n为大于或等于2的正整数；获取衰减因子，并根据所述转移矩阵和所述衰减因子计算约束矩阵，其中，所述衰减因子为SimRank相似度方法中定义的衰减因子，且所述约束矩阵的维度为n×n；根据所述约束矩阵，构建线性方程组，其中，所述线性方程组的系数矩阵为所述约束矩阵，所述线性方程组的变量为矫正向量；采用雅可比Jacobi方法迭代求解所述线性方程组，确定所述矫正向量；根据所述矫正向量生成对角矫正矩阵，其中，所述对角矫正矩阵的对角元素为所述矫正向量的分量，且所述对角矫正矩阵的维度为n×n；根据所述转移矩阵、所述衰减因子和所述对角矫正矩阵，计算所述n个节点之间的相似度。结合第一方面，在第一方面的第一种可能的实现方式中，所述采用Jacobi方法迭代求解所述线性方程组，确定所述矫正向量，包括：采用Jacobi方法迭代求解所述线性方程组，并将收敛时的解确定为所述矫正向量，或者，将达到预设的最大迭代次数时的解确定为所述矫正向量。结合第一方面或者第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述约束矩阵表示为A，所述矫正向量表示为x，所述线性方程组表示为Ax＝b，其中，b为每个元素均为1的向量。结合第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式中，所述采用Jacobi方法迭代求解所述线性方程组，确定所述矫正向量，包括：通过 x i ( k ) = 1 a ii ( b i - Σ j ≠ i a ij x j ( k - 1 ) ) ]]>计算所述矫正向量；其中，xi表示所述矫正向量x的第i个元素，xj表示所述矫正向量x的第
j个元素，aij表示所述约束矩阵A的第i行第j列的元素，aii表示所述约束矩阵A的第i行第i列的元素，bi＝1，k表示所述Jacobi方法的迭代次数，i,j＝1,2,…,n，并且，k为正整数。结合第一方面或者上述第一方面的任一种可能的实现方式，在第一方面的第四种可能的实现方式中，所述衰减因子表示为c，所述转移矩阵表示为P，所述约束矩阵表示为A，所述根据所述转移矩阵和所述衰减因子计算约束矩阵，包括：确定所述约束矩阵A的元素为aij＝ei·ej+cPei·Pej+…+ctPtei·Ptej，其中，ei、ej为正交单位向量，t为预设的正整数。结合第一方面或者上述第一方面的任一种可能的实现方式，在第一方面的第五种可能的实现方式中，所述矫正向量表示为x，所述对角矫正矩阵表示为D，所述根据所述矫正向量生成对角矫正矩阵，包括：确定所述对角矫正矩阵D的元素Dij为： D ij = x i , i = j 0 , i ≠ j , ]]>其中，Dij表示所述对角矫正矩阵D的第i行第j列的元素，xi表示所述矫正向量x的第i个元素，i,j＝1,2,…,n。结合第一方面或者上述第一方面的任一种可能的实现方式，在第一方面的第六种可能的实现方式中，所述衰减因子表示为c，所述转移矩阵表示为P，所述对角矫正矩阵表示为D，所述节点之间的相似度表示为S，所述根据所述转移矩阵、所述衰减因子和所述对角矫正矩阵，计算所述n个节点之间的相似度，包括：根据下式计算所述n个节点之间的相似度：S＝D+cPTDP+c2(PT)2DP2+…+ct(PT)tDPt；其中，T表示转置，t为预设的正整数，S所表示的矩阵的第i行第j列的元素sij表示第i个节点与第j个节点之间的相似度。结合第一方面或者上述第一方面的任一种可能的实现方式，在第一方面的第七种可能的实现方式中，所述获取网络中的n个节点两两之间的指向关系，并根据所述指向关系确定转移矩阵，包括：根据所述网络中的n个节点两两之间的指向关系，构建图，其中本文档来自技高网...

【技术保护点】
一种相似性度量的方法，其特征在于，包括：获取网络中的n个节点两两之间的指向关系，并根据所述指向关系确定转移矩阵，其中，所述转移矩阵的维度为n×n，n为大于或等于2的正整数；获取衰减因子，并根据所述转移矩阵和所述衰减因子计算约束矩阵，其中，所述衰减因子为SimRank相似度方法中定义的衰减因子，且所述约束矩阵的维度为n×n；根据所述约束矩阵，构建线性方程组，其中，所述线性方程组的系数矩阵为所述约束矩阵，所述线性方程组的变量为矫正向量；采用雅可比Jacobi方法迭代求解所述线性方程组，确定所述矫正向量；根据所述矫正向量生成对角矫正矩阵，其中，所述对角矫正矩阵的对角元素为所述矫正向量的分量，且所述对角矫正矩阵的维度为n×n；根据所述转移矩阵、所述衰减因子和所述对角矫正矩阵，计算所述n个节点之间的相似度。

【技术特征摘要】
1.一种相似性度量的方法，其特征在于，包括：获取网络中的n个节点两两之间的指向关系，并根据所述指向关系确定转移矩阵，其中，所述转移矩阵的维度为n×n，n为大于或等于2的正整数；获取衰减因子，并根据所述转移矩阵和所述衰减因子计算约束矩阵，其中，所述衰减因子为SimRank相似度方法中定义的衰减因子，且所述约束矩阵的维度为n×n；根据所述约束矩阵，构建线性方程组，其中，所述线性方程组的系数矩阵为所述约束矩阵，所述线性方程组的变量为矫正向量；采用雅可比Jacobi方法迭代求解所述线性方程组，确定所述矫正向量；根据所述矫正向量生成对角矫正矩阵，其中，所述对角矫正矩阵的对角元素为所述矫正向量的分量，且所述对角矫正矩阵的维度为n×n；根据所述转移矩阵、所述衰减因子和所述对角矫正矩阵，计算所述n个节点之间的相似度。2.根据权利要求1所述的方法，其特征在于，所述采用Jacobi方法迭代求解所述线性方程组，确定所述矫正向量，包括：采用Jacobi方法迭代求解所述线性方程组，并将收敛时的解确定为所述矫正向量，或者，将达到预设的最大迭代次数时的解确定为所述矫正向量。3.根据权利要求1或2所述的方法，其特征在于，所述约束矩阵表示为A，所述矫正向量表示为x，所述线性方程组表示为Ax＝b，其中，b为每个元素均为1的向量。4.根据权利要求3所述的方法，其特征在于，所述采用Jacobi方法迭代求解所述线性方程组，确定所述矫正向量，包括：通过 x i ( k ) = 1 a ii ( b i - Σ j ≠ i a ij x j ( k - 1 ) ) ]]>计算所述矫正向量；其中，xi表示所述矫正向量x的第i个元素，xj表示所述矫正向量x的第j个元素，aij表示所述约束矩阵A的第i行第j列的元素，aii表示所述约束矩阵A的第i行第i列的元素，bi＝1，k表示所述Jacobi方法的迭代次数，
\ti,j＝1,2,…,n，并且，k为正整数。5.根据权利要求1至4任一项所述的方法，其特征在于，所述衰减因子表示为c，所述转移矩阵表示为P，所述约束矩阵表示为A，所述根据所述转移矩阵和所述衰减因子计算约束矩阵，包括：确定所述约束矩阵A的元素为aij＝ei·ej+cPei·Pej+…tPtei·Ptej，其中，ei、ej为正交单位向量，t为预设的正整数。6.根据权利要求1至5任一项所述的方法，其特征在于，所述矫正向量表示为x，所述对角矫正矩阵表示为D，所述根据所述矫正向量生成对角矫正矩阵，包括：确定所述对角矫正矩阵D的元素Dij为： D ij = x i , i = j 0 , i ≠ , ]]>其中，Dij表示所述对角矫正矩阵D的第i行第j列的元素，xi表示所述矫正向量x的第i个元素，i,j＝1,2,…,n。7.根据权利要求1至6任一项所述的方法，其特征在于，所述衰减因子表示为c，所述转移矩阵表示为P，所述对角矫正矩阵表示为D，所述节点之间的相似度表示为S，所述根据所述转移矩阵、所述衰减因子和所述对角矫正矩阵，计算所述n个节点之间的相似度，包括：根据下式计算所述n个节点之间的相似度：S＝D+cPTDP+c2(PT)2DP2+…+ct(PT)tDPt；其中，T表示转置，t为预设的正整数，S所表示的矩阵的第i行第j列的元素sij表示第i个节点与第j个节点之间的相似度。8.根据权利要求1至7任一项所述的方法，其特征在于，所述获取网络中的n个节点两两之间的指向关系，并根据所述指向关系确定转移矩阵，包括：根据所述网络中的n个节点两两之间的指向关系，构建图，其中，所述n个节点构成所述图中的n个节点，所述指向关系构成所述图中的节点之间的有向边；将所述图的逆向图上的一阶转移矩阵作为所述转移矩阵。9.根据权利要求8所述的方法，其特征在于，所述转移矩阵表示为P，并且 P ij = 1 / | In ( j ) | , ( i , j ) ∈ E 0 , ( i , j ) ∉ E , ]]>其中，Pij表示所述转移矩阵P的第i行第j列的元素，In(j)表示所有指向节点j的节点集合，E表示具有指向关系的节点组的...

【专利技术属性】
技术研发人员：李震国，成杰峰，范伟，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44