一种形成样本类簇的方法及装置制造方法及图纸

本说明书实施例提供一种形成样本类簇的方法及装置。所述方法包括：首先，获取关系网络图中多个样本的特征信息和样本间连接关系；并基于所述多个样本中各个样本的特征信息，将所述多个样本划分为多个子集；接着，对所述多个子集中的样本分别进行聚类，得到N个聚群；N为正整数；接着，确定各个聚群的内聚度；确定聚群间耦合度；并根据该聚群间耦合度，以及聚群内聚度，确定聚群间耦合系数；然后，基于所述N个聚群中各个两两聚群的聚群间耦合系数，形成包括所述N个聚群作为节点的网络结构；基于所述网络结构的连通性，对所述N个聚群中的至少两个聚群进行合并，得到样本类簇。

A Method and Device for Forming Sample Clusters

【技术实现步骤摘要】
一种形成样本类簇的方法及装置
本说明书一个或多个实施例涉及计算机信息处理领域，尤其涉及一种形成样本类簇的方法及装置。
技术介绍
在进行数据分析，特别是大数据分析时，聚类是一种常用的分析方法。直观上讲，聚类是指将相关度高的样本聚在一起，从而形成一个样本类簇(cluster)。聚类可以把相关度高的样本划分到一个样本类簇，使得同一个类簇内的样本相关度较高，而不同类簇之间的样本相关度较低。随着智能终端的普及，用户日常生活产生的数据量迅速增加，这给聚类算法的性能带来了挑战。因此，需要一种能够有效地对大规模数据进行聚类的方法。
技术实现思路
本说明书一个或多个实施例描述了一种形成样本类簇方法及装置，可以有效地对大规模数据进行聚类分析。根据第一方面，提供了一种形成样本类簇的方法，所述方法包括：获取关系网络图中多个样本的特征信息和样本间连接关系；基于所述多个样本中各个样本的特征信息，将所述多个样本划分为多个子集；对所述多个子集中的样本分别进行聚类，得到N个聚群；N为正整数；对于所述N个聚群中的各个聚群，基于该聚群内样本间的连接关系，确定各个聚群的内聚度；对于所述N个聚群中任意的第一聚群和第二聚群，基于第一聚群中的样本与第二聚群中的样本之间的连接关系，确定第一聚群和第二聚群的聚群间耦合度；并根据该聚群间耦合度，以及第一聚群和第二聚群各自的内聚度，确定第一聚群和第二聚群的聚群间耦合系数；基于所述N个聚群中各个两两聚群的聚群间耦合系数，形成包括所述N个聚群作为节点的网络结构；基于所述网络结构的连通性，对所述N个聚群中的至少两个聚群进行合并，得到样本类簇。在一个实施例中，其中，所述样本包括用户样本；所述特征信息包括用户所在的行政区域；所述连接关系包括以下中的至少一项：亲情关系、通信关系、资金关系、人际关系、媒介关系。在一个实施例中，其中，所述样本间连接关系对应于样本间的连接边；所述对于所述N个聚群中的各个聚群，基于该聚群内样本间的连接关系，确定各个聚群的内聚度，包括：统计该聚群内样本间的连接边的个数，以得到各个聚群的内聚度。在一个示例中，其中，所述基于第一聚群中的样本与第二聚群中的样本之间的连接关系，确定第一聚群和第二聚群的聚群间耦合度，包括：统计第一聚群中的样本和第二聚群中的样本间的连接边的个数，得到第一聚群和第二聚群的聚群间耦合度。在一个实施例中，其中，所述样本间连接关系对应于样本间的连接边，且各个连接边为有权边；所述对于所述N个聚群中的各个聚群，基于该聚群内样本间的连接关系，确定各个聚群的内聚度，包括：将该聚群内样本间的连接边的权值进行加和，以得到各个聚群的内聚度。在一个示例中，其中，所述基于第一聚群中的样本与第二聚群中的样本之间的连接关系，确定第一聚群和第二聚群的聚群间耦合度，包括：将第一聚群中的样本和第二聚群中的样本间的连接边的权值进行加和，得到第一聚群和第二聚群的聚群间耦合度。在一个实施例中，所述根据该聚群间耦合度，以及第一聚群和第二聚群各自的内聚度，确定第一聚群和第二聚群的聚群间耦合系数包括：确定第一聚群的内聚度和第二聚群的内聚度的均值；基于所述第一聚群和第二聚群的聚群间耦合度与所述均值的比例，得到第一聚群和第二聚群的聚群间耦合系数。在一个实施例中，所述根据该聚群间耦合度，以及第一聚群和第二聚群各自的内聚度，确定第一聚群和第二聚群的聚群间耦合系数包括：确定第一聚群的内聚度和第二聚群的内聚度的积的算术平方根；基于所述第一聚群和第二聚群的聚群间耦合度与所述算术平方根的比例，得到第一聚群和第二聚群的聚群间耦合系数。在一个实施例中，所述基于所述N个聚群中各个两两聚群的聚群间耦合系数，形成包括所述N个聚群作为节点的网络结构，包括：按照从大到小的顺序，对所述N个聚群中各个两两聚群的聚群间耦合系数进行排序；在排序结果中前M个或前百分之M’的聚群间耦合系数对应的两两聚群之间构建连接边，以形成包括所述N个聚群作为节点的网络结构。在一个实施例中，所述基于所述N个聚群中各个两两聚群的聚群间耦合系数，形成包括所述N个聚群作为节点的网络结构，包括：从所述N个聚群的各个两两聚群中确定出第一两两聚群，该第一两两聚群的聚群间耦合系数大于预设阈值；在所述第一两两聚群之间构建连接边，以形成包括所述N个聚群作为节点的网络结构。在一个实施例中，所述基于所述网络结构的连通性，对所述N个聚群中的至少两个聚群进行合并，得到样本类簇，包括：在所述网络结构中确定出第一连通子图；对所述第一连通子图中的节点进行合并，将节点对应聚群中的样本归为同一样本类簇。根据第二方面，提供了一种形成样本类簇的装置，所述装置包括：获取单元，配置为获取关系网络图中多个样本的特征信息和样本间连接关系；划分单元，配置为基于所述多个样本中各个样本的特征信息，将所述多个样本划分为多个子集；聚类单元，配置为对所述多个子集中的样本分别进行聚类，得到N个聚群；N为正整数；确定单元，配置为对于所述N个聚群中的各个聚群，基于该聚群内样本间的连接关系，确定各个聚群的内聚度；对于所述N个聚群中任意的第一聚群和第二聚群，基于第一聚群中的样本与第二聚群中的样本之间的连接关系，确定第一聚群和第二聚群的聚群间耦合度；并根据该聚群间耦合度，以及第一聚群和第二聚群各自的内聚度，确定第一聚群和第二聚群的聚群间耦合系数；形成单元，配置为基于所述N个聚群中各个两两聚群的聚群间耦合系数，形成包括所述N个聚群作为节点的网络结构；合并单元，配置为基于所述网络结构的连通性，对所述N个聚群中的至少两个聚群进行合并，得到样本类簇。根据第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一方面的方法。根据第四方面，提供了一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面的方法。根据本说明书实施例提供的方法和装置，通过本说明书实施例的方案，可以将含有大量节点和连接边的关系网络图划分为若干个部分，然后针对各个部分内的节点，分别进行聚类，得到多个聚群；再对多个聚群进行聚群合并，从而可以有效的对大规模数据进行聚类分析。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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它的附图。图1示出本说明书披露的一个实施例的关系网络图的示意图；图2示出根据一个实施例的形成样本类簇的方法的流程图；图3示出根据一个实施例的关系网络图中的聚群的示意图；图4示出根据一个实施例的连通子图的示意图；图5示出根据一个实施例的形成样本类簇的的装置的示意性框图。具体实施方式下面结合附图，对本说明书提供的方案进行描述。关系网络图是对现实世界中实体之间的关系的描述，目前广泛地应用于各种计算机信息处理中。一般地，关系网络图包含一个节点集合和一个边集合，节点表示现实世界中的实体，边表示现实世界中实体之间的联系。多个样本及样本之间的关系可以用关系网络图表示。关系网络图中的节点对应于样本，边对应于样本间连接关系。图1为本说明书披露的一个实施例的关系网络图的示意图。如图1所示，该关系网络本文档来自技高网...

【技术保护点】
1.一种形成样本类簇的方法，所述方法包括：获取关系网络图中多个样本的特征信息和样本间连接关系；基于所述多个样本中各个样本的特征信息，将所述多个样本划分为多个子集；对所述多个子集中的样本分别进行聚类，得到N个聚群；N为正整数；对于所述N个聚群中的各个聚群，基于该聚群内样本间的连接关系，确定各个聚群的内聚度；对于所述N个聚群中任意的第一聚群和第二聚群，基于第一聚群中的样本与第二聚群中的样本之间的连接关系，确定第一聚群和第二聚群的聚群间耦合度；并根据该聚群间耦合度，以及第一聚群和第二聚群各自的内聚度，确定第一聚群和第二聚群的聚群间耦合系数；基于所述N个聚群中各个两两聚群的聚群间耦合系数，形成包括所述N个聚群作为节点的网络结构；基于所述网络结构的连通性，对所述N个聚群中的至少两个聚群进行合并，得到样本类簇。

【技术特征摘要】
1.一种形成样本类簇的方法，所述方法包括：获取关系网络图中多个样本的特征信息和样本间连接关系；基于所述多个样本中各个样本的特征信息，将所述多个样本划分为多个子集；对所述多个子集中的样本分别进行聚类，得到N个聚群；N为正整数；对于所述N个聚群中的各个聚群，基于该聚群内样本间的连接关系，确定各个聚群的内聚度；对于所述N个聚群中任意的第一聚群和第二聚群，基于第一聚群中的样本与第二聚群中的样本之间的连接关系，确定第一聚群和第二聚群的聚群间耦合度；并根据该聚群间耦合度，以及第一聚群和第二聚群各自的内聚度，确定第一聚群和第二聚群的聚群间耦合系数；基于所述N个聚群中各个两两聚群的聚群间耦合系数，形成包括所述N个聚群作为节点的网络结构；基于所述网络结构的连通性，对所述N个聚群中的至少两个聚群进行合并，得到样本类簇。2.根据权利要求1所述的方法，其中，所述样本包括用户样本；所述特征信息包括用户所在的行政区域；所述连接关系包括以下中的至少一项：亲情关系、通信关系、资金关系、人际关系、媒介关系。3.根据权利要求1所述的方法，其中，所述样本间连接关系对应于样本间的连接边；所述对于所述N个聚群中的各个聚群，基于该聚群内样本间的连接关系，确定各个聚群的内聚度，包括：统计该聚群内样本间的连接边的个数，以得到各个聚群的内聚度。4.根据权利要求3所述的方法，其中，所述基于第一聚群中的样本与第二聚群中的样本之间的连接关系，确定第一聚群和第二聚群的聚群间耦合度，包括：统计第一聚群中的样本和第二聚群中的样本间的连接边的个数，得到第一聚群和第二聚群的聚群间耦合度。5.根据权利要求1所述的方法，其中，所述样本间连接关系对应于样本间的连接边，且各个连接边为有权边；所述对于所述N个聚群中的各个聚群，基于该聚群内样本间的连接关系，确定各个聚群的内聚度，包括：将该聚群内样本间的连接边的权值进行加和，以得到各个聚群的内聚度。6.根据权利要求5所述的方法，其中，所述基于第一聚群中的样本与第二聚群中的样本之间的连接关系，确定第一聚群和第二聚群的聚群间耦合度，包括：将第一聚群中的样本和第二聚群中的样本间的连接边的权值进行加和，得到第一聚群和第二聚群的聚群间耦合度。7.根据权利要求1所述的方法，所述根据该聚群间耦合度，以及第一聚群和第二聚群各自的内聚度，确定第一聚群和第二聚群的聚群间耦合系数包括：确定第一聚群的内聚度和第二聚群的内聚度的均值；基于所述第一聚群和第二聚群的聚群间耦合度与所述均值的比例，得到第一聚群和第二聚群的聚群间耦合系数。8.根据权利要求1所述的方法，所述根据该聚群间耦合度，以及第一聚群和第二聚群各自的内聚度，确定第一聚群和第二聚群的聚群间耦合系数包括：确定第一聚群的内聚度和第二聚群的内聚度的积的算术平方根；基于所述第一聚群和第二聚群的聚群间耦合度与所述算术平方根的比例，得到第一聚群和第二聚群的聚群间耦合系数。9.根据权利要求1所述的方法，所述基于所述N个聚群中各个两两聚群的聚群间耦合系数，形成包括所述N个聚群作为节点的网络结构，包括：按照从大到小的顺序，对所述N个聚群中各个两两聚群的聚群间耦合系数进行排序；在排序结果中前M个或前百分之M’的聚群间耦合系数对应的两两聚群之间构建连接边，以形成包括所述N个聚群作为节点的网络结构。10.根据权利要求1所述的方法，所述基于所述N个聚群中各个两两聚群的聚群间耦合系数，形成包括所述N个聚群作为节点的网络结构，包括：从所述N个聚群的各个两两聚群中确定出第一两两聚群，该第一两两聚群的聚群间耦合系数大于预设阈值；在所述第一两两聚群之间构建连接边，以形成包括所述N个聚群作为节点的网络结构。11.根据权利要求1所述的方法，所述基于所述网络结构的连通性，对所述N个聚群中的至少两个聚群进行合并，得到样本类簇，包括：在所述网络结构中确定出第一连通子图；对所述第一连通子图中的节点进行合并，将节点对应聚群中的样本归为同一样本类簇。12.一种形成样本类簇...

【专利技术属性】
技术研发人员：曹绍升，张志强，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY