网络分析工具测试制造技术

提供了一种用于测试网络分析工具功能的过程和设备。所述过程涉及：接收输入网络数据集，所述输入网络数据集定义第一图形，所述第一图形包括节点和边，其中所述边表示所述节点之间的连接；所述过程还涉及：将所述节点映射到第一组向量，其中所述映射基于将连接分数分配给向量对的相似度函数；基于所述第一组向量确定第二组向量，其中所述第二组向量中的每个向量代表第二图形的节点；基于所述相似度函数确定连接所述第二图形的节点的边。

Network Analysis Tool Testing

【技术实现步骤摘要】
【国外来华专利技术】网络分析工具测试
本专利技术涉及网络分析工具的测试。本专利技术尤其涉及通过利用网络分析工具分析人工生成的网络数据，来测试网络分析工具的功能。
技术介绍
为测试网络分析工具(例如网络挖掘工具)，可以向所述网络分析工具提供表示不同真实或人工网络的图形，并且可以评估分析结果以验证所述工具的功能。在这方面，使用具有类似属性的多个不同图形以获取具有统计意义的结果可能是有益的。
技术实现思路
根据本专利技术的第一方面，提供了一种用于测试网络分析工具功能的方法，所述方法包括：接收输入网络数据集，所述输入网络数据集定义第一图形，所述第一图形包括节点和边，所述边表示所述节点之间的连接；将所述节点映射到第一组向量，其中所述映射决定将连接分数分配给向量对的相似度函数；基于所述第一组向量确定第二组向量，其中所述第二组向量中的每个向量代表第二图形的节点；基于所述相似度函数确定连接所述第二图形的节点的边。在这方面，值得注意的是，本说明书和权利要求书中使用的术语“网络分析工具”同样可以指代软件、硬件或软件和硬件的组合。例如，所述网络分析工具可以是硬件和软件的组合，例如，存储计算机可读指令的计算设备，其接收输入所述网络数据集。由于所述输入网络数据集描述了网络拓扑(例如计算设备和通信链路)，可以分析所述网络拓扑，以推导出能够更深入地了解所述网络拓扑的模式。此外，例如，可以通过随机或系统地修改所述网络拓扑，来分析所述网络拓扑的变更所带来的影响。例如，可以模拟不同变化对所述网络拓扑的影响，或者可以提取关键变更。类似地，可以修改所述网络拓扑，以增加所述网络拓扑对节点或通信链路故障等不利事件的鲁棒性。然而，本领域技术人员清楚的是，通信网络只是可使用所述网络分析工具进行分析的网络的一个示例。因为原则上，所述网络分析工具可用于分析各种不同的网络。例如，所述网络分析工具可用于分析传输网络、一个或多个链接的网页、生物系统、(自然)语言的语法、零售网络、广告网络或社交网络，且实际上可用于分析任何具有易于通过图形描述的拓扑的网络类型。此外，本说明书和权利要求书中使用的术语“相似度函数”尤其是指通过连接分数量化节点之间的相似度的函数，其中可以由高连接分数表示的高相似低度可以指示所述节点之间以及连接所述节点的边的高可能性。例如，连接分数可以是实数，其中数字越大表示通过边连接的各个节点的可能性越高。在所述第一方面的第一种可能的实现方式中，所述方法还包括使用所述网络分析工具来分析包括所述第二图形的节点和边的网络。因此，所述网络分析工具可以接收所述第二图形作为输入并从所述第二图形推导出一个或多个模式。由于所述第二图形是从所述第一图形推导出的，因此所述第二图形的大小可以与所述第一图形不同，例如，所述第二图形可以包括小于一半、五分之一、十分之一、一百分之一等的所述第一图形节点数量、或者大于两倍、五倍、十倍、一百倍等的所述第一图形节点数量，但仍然具有与所述第一图形相同或类似的属性/模式。例如，可以对所述第一图形的分析结果和所述第二图形的分析结果进行比较，如果所述结果彼此不一致，则可以调整/校正或丢弃所述网络分析工具。可选地，可以执行进一步的测试，以分析所发现偏差的统计意义和或依据。在所述第一方面的第二种可能的实现方式中，所述第一图形是有向图，确定连接所述第二图形的节点的边包括：对于所述第二图形的每个有序节点对，确定边是否基于第一连接分数将所述节点对的第一节点连接至所述节点对的第二节点；确定所述边是否基于第二连接分数将所述节点对的第二节点连接至所述节点对的第一节点。因此，所提出的方法可以用于生成具有定向连接的图形，例如，表示数据流量的图形，如表示(无线)通信网络、商品分布等的图形。在所述第一方面的第三种可能的实现方式中，基于从近似所述第一组向量的多维概率分布中的随机或伪随机绘制向量来确定所述第二组向量中的所有向量。例如，可以将多维概率分布应用于所述第一组向量。因此，可以保留原始图的结构，同时可以放大或缩小人工图。此外，可能无法从人工图中恢复原始图，从而允许在保持详细网络结构私密性/机密性的同时呈现对公众开放的网络特征。在所述第一方面的第四种可能的实现方式中，通过从所述第一组向量中选择向量来确定所述第二组向量中的所有向量。例如，所述第二组向量可以包括第一组向量的子集和/或可以复制所述第一组向量以生成具有类似属性的缩小或放大人工图。在所述第一方面的第五种可能的实现方式中，通过从所述第一组向量中选择向量并将噪声向量添加到所选向量来确定所述第二组向量中的所有向量。因此，除生成缩小或放大人工图之外，可以随机修改图形属性以提供与所述原始图相比具有类似但随机修改的属性的人工图，从而系统地测试所述网络分析工具结果的重要性。在所述第一方面的第六种可能的实现方式中，从多维高斯概率分布中随机或伪随机地绘制所述噪声向量。因此，可以生成多个从统计角度来看类似但不同的人工图，其在原始图周围的区域内提供图形样本。在所述第一方面的第七种可能的实现方式中，将所述第一图形的节点分配给社区，对应于第一组所选向量的第二图形的节点继承对应于所选向量的节点的相应社区分配。例如，社区可以表示紧密连接的节点集合，而所述集合彼此更稀疏地连接而不是连接至所述网络的其余部分。因此，可以生成具有社区的人工图，与所述原始图相比，所述社区具有类似(在统计意义上)但不同的结构。在所述第一方面的第八种可能的实现方式中，为所述第一图形的边分配权重，连接对应于第一组所选向量的节点的第二图形的边继承连接对应于所选向量的节点的第一图形的边的相应权重。因此，可以在边权重中对通过所述图形建模的网络的附加特征进行编码并且至少部分保留在所生成的人工图中。例如，所述权重可以对应于通信链路的带宽、传输容量等。在所述第一方面的第九种可能的实现方式中，如果所述第一图形中未连接对应于所选向量的节点，则在所述第一图形的所有边中为所述第二图形的所述边分配最小权重。因此，可以保持所述原始图的权重结构，同时生成具有与原始图类似的特征的人工图。在所述第一方面的第十种可能的实现方式中，基于所述相似度函数确定连接所述第二图形的节点的边还包括将所述第二图形的节点对的连接分数与阈值进行比较。例如，如果各个节点对的连接分数高于所述阈值，则可以添加所述第二图形的节点之间的边。在所述第一方面的第十一种可能的实现方式中，确定所述阈值以基于所述相似度函数来区分所述第一图形的顶部E个节点对，所述顶部E个节点对具有来自其余节点对的相对较高的连接分数，其中E是所述第一图形中的边数量。根据本专利技术的第二方面，提供了一种计算机可读介质，用于存储指令，当计算机执行所述指令时，使所述计算机执行以下操作：加载输入网络数据集，所述输入网络数据集定义第一图形，所述第一图形包括节点和边，所述边表示所述节点之间的连接；将所述节点映射到第一组向量，其中所述映射基于将连接分数分配给向量对的相似度函数；基于所述第一组向量确定第二组向量，其中所述第二组向量中的每个向量代表第二图形的节点；基于所述相似度函数确定连接所述第二图形的节点的边。例如，所述计算机可以配备存储所述指令和所述输入网络数据集的存储器，或者所述计算机可以通过网络连接检索所述输入数据集。此外，通过执行存储在所述计算机可读介质上的指令，可以使所述计算机分析网络数本文档来自技高网...

【技术保护点】
1.一种用于测试网络分析工具功能的方法，其特征在于，所述方法包括：接收输入网络数据集，所述输入网络数据集定义第一图形，所述第一图形包括节点和边，所述边表示所述节点之间的连接；将所述节点映射到第一组向量，其中所述映射决定将连接分数分配给向量对的相似度函数；基于所述第一组向量确定第二组向量，其中所述第二组向量中的每个向量代表第二图形的节点；基于所述相似度函数确定连接所述第二图形的节点的边。

【技术特征摘要】
【国外来华专利技术】1.一种用于测试网络分析工具功能的方法，其特征在于，所述方法包括：接收输入网络数据集，所述输入网络数据集定义第一图形，所述第一图形包括节点和边，所述边表示所述节点之间的连接；将所述节点映射到第一组向量，其中所述映射决定将连接分数分配给向量对的相似度函数；基于所述第一组向量确定第二组向量，其中所述第二组向量中的每个向量代表第二图形的节点；基于所述相似度函数确定连接所述第二图形的节点的边。2.根据权利要求1所述的方法，其特征在于，还包括：使用所述网络分析工具来分析包括所述第二图形的节点和边的网络。3.根据权利要求1或2所述的方法，其特征在于，所述第一图形是有向图，确定连接所述第二图形的节点的边包括：对于所述第二图形的每个有序节点对，确定：边是否基于第一连接分数将所述节点对的第一节点连接到所述节点对的第二节点；所述边是否基于第二连接分数将所述节点对的第二节点连接到所述节点对的第一节点。4.根据权利要求1至3中任一项所述的方法，其特征在于，基于从近似所述第一组向量的多维概率分布中的随机或伪随机绘制向量来确定所述第二组向量中的所有向量。5.根据权利要求4所述的方法，其特征在于，通过从所述第一组向量中选择向量来确定所述第二组向量中的所有向量。6.根据权利要求4所述的方法，其特征在于，通过从所述第一组向量中选择向量并将噪声向量添加到所选向量来确定所述第二组向量中的所有向量。7.根据权利要求6所述的方法，其特征在于，从多维高斯概率分布中随机或伪随机地绘制噪声向量。8.根据权利要求4至7中任一项所述的方法，其特征在于，将所述第一图形的节点分配给社区，对应于第一组所选向量的第二图形的节点继承对应于所选向量的节点的相应社区分配。9.根据权利要求4至8中任一项所述的方法，其特征在于，为所述第一图形的边分配权重，连接对应于第一组所选向量的节点的第二图形的边继承连接对应于所选向量的节点的第一图形的边的相应权重。10.根据...

【专利技术属性】
技术研发人员：亚历山大·尼古拉耶维奇·菲利波夫，米哈伊尔·德罗比舍夫斯基，安东·科什诺夫，伊利亚·科兹洛夫，张学仓，
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