基于禁止节点感知的搜索方法和系统技术方案

本公开提出一种基于禁止节点感知的搜索方法和系统，包括：获取由多个节点以及节点间交互关系组成的社区网络；按照计算网页权威值的方法为社区网络中的节点和节点间的交互关系赋予权值；用预设禁止节点敏感性阈值将所有权值小于阈值的节点从社区网络中移除；将剩余节点按照权值大小降序排列；按照权值降序顺序，逐个向社区网络中加入节点，并计算每次加入时社区网络对应的加权导出度；加权导出度最小的那个时刻对应的社区即为社区搜索的最终结果，能够帮助人们在有禁止节点的情况下找到更准确的社区结果。更准确的社区结果。更准确的社区结果。

【技术实现步骤摘要】
基于禁止节点感知的搜索方法和系统


[0001]本公开实施例涉及计算机网络应用
，尤指一种基于禁止节点感知的搜索方法和系统。

技术介绍

[0002]在计算机科学、生物学、社会学等领域，存在着大量由节点和节点间的连接关系形成的网络结构。在网络相关的研究中，社区(community)受到人们的持续关注。社区一般指一个内部节点间联系相比于社区内部和外部的节点间联系更加紧密的子图。网络中挖掘出的社区结构有助于人们完成好友推荐，犯罪团伙识别以及蛋白质功能预测等一系列任务。社区搜索问题指的是给定网络中一个或多个节点，寻找包含它们的社区。
[0003]目前的社区搜索方法主要包括基于特定拓扑结构的方法和综合考虑拓扑结构与节点属性的方法。其中典型的拓扑结构包括k
‑
core和k
‑
truss等。k
‑
core结构要求社区内每个节点的度数不小于k而k
‑
truss要求每条边所在的三角形个数都不小于k
‑
2。综合考虑拓扑结构和节点属性的方法大多综合考虑节点属性上的相似度，例如AGAR方法就是根据节点间的属性相似度先对原图进行边的补充，从而构建一个TA
‑
graph，在此基础上上依据k
‑
truss结构进行社区搜索，最终得到包含给定节点的社区。这些方法的重点在于如何定义社区的紧密结构以及如何处理节点属性，却未考虑人们对社区除了包含必要节点以外的约束。
[0004]事实上，已有的社区搜索方法只能寻找包含给定节点集的社区，却不允许人们对社区中的节点进行更多约束。而在实际应用场景中，人们也会希望搜索到的社区结果不包含某些给定节点，即禁止节点。禁止节点在现实活中可以对应黑名单中的人物或者被标记为不喜欢的商品等等，然而现有的方法对此缺少支持。为此，本专利技术实施例旨在提供一种基于禁止节点感知的搜索方法。

技术实现思路

[0005]为解决上述技术问题，本公开提出了一种基于禁止节点感知的搜索方法，包括：
[0006]获取由多个节点以及节点间交互关系组成的社区网络；
[0007]按照计算网页权威值的方法为社区网络中的节点和节点间的交互关系赋予权值；
[0008]用预设禁止节点敏感性阈值将所有权值小于阈值的节点从社区网络中移除；
[0009]将剩余节点按照权值大小降序排列；
[0010]按照权值降序顺序，逐个向社区网络中加入节点，并计算每次加入时社区网络对应的加权导出度；
[0011]加权导出度最小的那个时刻对应的社区即为社区搜索的最终结果。
[0012]进一步的，所述按照计算网页权威值的方法为社区网络中的节点和节点间的交互关系赋予的权值表示节点和节点间交互关系相对于预设黑节点的疏远程度。
[0013]进一步的，所述按照计算网页权威值的方法为社区网络中的节点和节点间的交互
关系赋予权值包括：
[0014]根据每个节点相邻的节点数量，计算其与每个相邻节点发生交互的平均概率；
[0015]根据社区网络中必须包含的节点，采用计算网页权威值获取网络中所有节点对于必须包含节点的亲近程度；
[0016]根据不允许出现在社区中的黑节点用户，通过计算网页权威值的方法获取网络中所有节点对于黑节点的亲近程度；
[0017]将每个节点最终相对于黑节点的疏远程度的取值进行规范化，使其取值落在0到1之间，社区必须包含的节点对应的取值默认设置为1，黑节点用户对应的取值默认设置为0，计算其余节点最终权重值；
[0018]计算每个节点与节点之间的交互行为与黑节点的疏远程度。
[0019]进一步的，所述按照权值降序顺序，逐个向社区网络中加入节点，并计算每次加入时社区网络对应的加权导出度包括：
[0020]按照社交网络所有用户相对于黑节点的疏远程度降序排序后，逐个加入社区中；
[0021]每当一个节点被加入社区时，保留此临时的社区网络结果并计算该社区网络结果对应的加权导出度。
[0022]另一方面，本公开提出一种基于禁止节点感知的搜索系统，包括：
[0023]获取模块，用于获取由多个节点以及节点间交互关系组成的社区网络；
[0024]第一计算模块，用于按照计算网页权威值的方法为社区网络中的节点和节点间的交互关系赋予权值；
[0025]第一处理模块，用预设禁止节点敏感性阈值将所有权值小于阈值的节点从社区网络中移除；
[0026]第二处理模块，用于将剩余节点按照权值大小降序排列；
[0027]第二计算模块，按照权值降序顺序，逐个向社区网络中加入节点，并计算每次加入时社区网络对应的加权导出度；
[0028]输出模块，将加权导出度最小的那个时刻对应的社区作为社区搜索的最终结果。
[0029]进一步的，所述第一计算模块，按照计算网页权威值的方法为社区网络中的节点和节点间的交互关系赋予的权值表示节点和节点间交互关系相对于预设黑节点的疏远程度。
[0030]进一步的，所述第一计算模块包括：
[0031]第一计算子模块，用于根据每个节点相邻的节点数量，计算其与每个相邻节点发生交互的平均概率；
[0032]第一获取子模块，用于根据社区网络中必须包含的节点，采用计算网页权威值获取网络中所有节点对于必须包含节点的亲近程度；
[0033]第二获取子模块，用于根据不允许出现在社区中的黑节点用户，通过计算网页权威值的方法获取网络中所有节点对于黑节点的亲近程度；
[0034]第一处理子模块，用于将每个节点最终相对于黑节点的疏远程度的取值进行规范化，使其取值落在0到1之间，社区必须包含的节点对应的取值默认设置为1，黑节点用户对应的取值默认设置为0，计算其余节点最终权重值；
[0035]第二处理子模块，用于计算每个节点与节点之间的交互行为与黑节点的疏远程
度。
[0036]进一步的，所述第二计算模块包括：
[0037]加入子模块，用于按照社交网络所有用户相对于黑节点的疏远程度降序排序后，逐个加入社区中；
[0038]第二计算子模块，用于每当一个节点被加入社区时，保留此临时的社区网络结果并计算该社区网络结果对应的加权导出度。
[0039]与现有技术相比，本公开具有如下优点：
[0040]本公开将新的社区搜索需求引入到社区搜索的问题中，便于用户能够在社区搜索的过程中引入禁止节点以防止社区结果中出现不希望出现的人和事物，例如黑名单用户等。本公开能够帮助人们在有禁止节点的情况下找到更准确的社区结果。
附图说明
[0041]构成说明书的一部分的附图描述了本公开的实施例，并且连同描述一起用于解释本公开的原理。
[0042]参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
[0043]图1是本专利技术一种在社交网络中基于禁止节点感知的社区搜索方法总流程图；
[0044]图2是本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于禁止节点感知的搜索方法，其特征在于，包括：获取由多个节点以及节点间交互关系组成的社区网络；按照计算网页权威值的方法为社区网络中的节点和节点间的交互关系赋予权值；用预设禁止节点敏感性阈值将所有权值小于阈值的节点从社区网络中移除；将剩余节点按照权值大小降序排列；按照权值降序顺序，逐个向社区网络中加入节点，并计算每次加入时社区网络对应的加权导出度；加权导出度最小的那个时刻对应的社区即为社区搜索的最终结果。2.根据权利要求1所述的基于禁止节点感知的搜索方法，其特征在于，所述按照计算网页权威值的方法为社区网络中的节点和节点间的交互关系赋予的权值表示节点和节点间交互关系相对于预设黑节点的疏远程度。3.根据权利要求2所述的基于禁止节点感知的搜索方法，其特征在于，所述按照计算网页权威值的方法为社区网络中的节点和节点间的交互关系赋予权值包括：根据每个节点相邻的节点数量，计算其与每个相邻节点发生交互的平均概率；根据社区网络中必须包含的节点，采用计算网页权威值获取网络中所有节点对于必须包含节点的亲近程度；根据不允许出现在社区中的黑节点用户，通过计算网页权威值的方法获取网络中所有节点对于黑节点的亲近程度；将每个节点最终相对于黑节点的疏远程度的取值进行规范化，使其取值落在0到1之间，社区必须包含的节点对应的取值默认设置为1，黑节点用户对应的取值默认设置为0，计算其余节点最终权重值；计算每个节点与节点之间的交互行为与黑节点的疏远程度。4.根据权利要求2所述的基于禁止节点感知的搜索方法，其特征在于，所述按照权值降序顺序，逐个向社区网络中加入节点，并计算每次加入时社区网络对应的加权导出度包括：按照社交网络所有用户相对于黑节点的疏远程度降序排序后，逐个加入社区中；每当一个节点被加入社区时，保留此临时的社区网络结果并计算该社区网络结果对应的加权导出度。5.一种基于禁止节点感知的搜索系统，其特征在于，包括：获取模块，用于获...

【专利技术属性】
技术研发人员：王朝坤，竺俊超，
申请(专利权)人：清华大学，
类型：发明
国别省市：