用户网络筛选方法及装置制造方法及图纸

本发明专利技术公开了一种用户网络筛选方法及装置，该方法包括：将用户网络划分为多个个体；对所有个体进行初始化，为每个个体设置初始适应度值；筛选出初始适应度值最优个体，对网络中除初始适应度值最优个体外的其余个体重复进行随机扰动，从所有个体中筛选出初始适应度最优个体；对网络中除初始适应度最优个体外的其余个体中每一个体，基于标签传播算法重复更新个体中每一用户节点的位置，并重新计算个体更新的适应度值，将个体更新的适应度值与历史最佳适应度值进行比较，根据比较结果更新个体的历史最佳用户节点位置和历史最佳适应度值，从所有个体中选择当前适应度最优的个体。该方法可以筛选出最优的用户网络结构，使用户分类结果更加准确。果更加准确。果更加准确。

【技术实现步骤摘要】
用户网络筛选方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及用户网络筛选方法及装置。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]在银行业务中，用户信息多且分散，无关联的用户账号信息无法聚合、分析并分类，因此需要对用户网络进行筛选，以解决用户账号分类的问题。针对该问题，可以利用社区发现算法发现更有投资潜力或存款需求的用户群体，社区发现就是对复杂网络进行划分，使各个社区结构中蕴含的信息能够准确地被提取出来，这些信息对进一步分析复杂网络的功能、动力学特性、拓扑结构等有着很大的帮助。一个好的社区发现算法可以运用少量的信息得出高效并稳固的社区结构。而传统的解决连续性问题的基本果蝇算法更新位置没有记忆，会抛弃之前的位置，且位聚类算法，其进化方式简单，容易陷入局部最优。

技术实现思路

[0004]本专利技术实施例提供一种用户网络筛选方法，用以有效划分复杂用户网络，对银行业用户账号进行精准分类，该方法包括：
[0005]将用户网络集群划分为多个个体，每个个体表示一种用户网络结构，每个个体包括多个用户节点，为每个个体设置用户节点标签、用户节点间关系和用户网络的社区标签；
[0006]基于标签传播算法，根据用户节点标签、用户节点间关系和用户网络的社区标签，对所有个体进行初始化，为每个个体设置初始适应度值；
[0007]筛选出初始适应度值最优个体，对用户网络集群中除初始适应度值最优个体外的其余个体重复进行随机扰动，直至达到第一预设条件，从所有个体中筛选出初始适应度值最优个体；
[0008]对用户网络集群中除初始适应度值最优个体外的其余个体中每一个体，基于标签传播算法重复更新个体中每一用户节点的位置，并在每次更新后，计算个体更新的适应度值，将个体更新的适应度值与历史最佳适应度值进行比较，根据比较结果更新个体的历史最佳用户节点位置和历史最佳适应度值，直至达到第二预设条件；
[0009]从所有个体中选择当前适应度值最优的个体，作为用户网络筛选结果。
[0010]本专利技术实施例还提供一种用户网络筛选装置，用以有效划分复杂用户网络，对银行业用户账号进行精准分类，该装置包括：
[0011]划分模块，用于将用户网络集群划分为多个个体，每个个体表示网络中的一种结构，每个个体包括多个用户节点，为每个个体设置用户节点标签、用户节点间关系和用户网络的社区标签；
[0012]初始化模块，用于基于标签传播算法，根据用户节点标签、用户节点间关系和用户网络的社区标签，对所有个体进行初始化，为每个个体设置初始适应度值；
[0013]筛选模块，用于筛选出初始适应度值最优个体，对用户网络集群中除初始适应度值最优个体外的其余个体重复进行随机扰动，直至达到第一预设条件，从所有个体中筛选出初始适应度值最优个体；
[0014]更新模块，用于对用户网络集群中除初始适应度值最优个体外的其余个体中每一个体，基于标签传播算法重复更新个体中每一用户节点的位置，并在每次更新后，计算个体更新的适应度值，将个体更新的适应度值与历史最佳适应度值进行比较，根据比较结果更新个体的历史最佳用户节点位置和历史最佳适应度值，直至达到第二预设条件；
[0015]发现模块，用于从所有个体中选择当前适应度值最优的个体，作为社区发现用户网络筛选结果。
[0016]本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述用户网络筛选方法。
[0017]本专利技术实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述用户网络筛选方法。
[0018]本专利技术实施例中，将用户网络集群划分为多个个体，每个个体表示网络中的一种用户网络结构，每个个体包括多个用户节点，为每个个体设置用户节点标签、用户节点间关系和用户网络的社区标签；基于标签传播算法，根据用户节点标签、用户节点间关系和用户网络的社区标签，对所有个体进行初始化，为每个个体设置初始适应度值；筛选出初始适应度值最优个体，对用户网络集群中除初始适应度值最优个体外的其余个体重复进行随机扰动，直至达到第一预设条件，从所有个体中筛选出初始适应度值最优个体；对用户网络集群中除初始适应度值最优个体外的其余个体中每一个体，基于标签传播算法重复更新个体中每一用户节点的位置，并在每次更新后，计算个体更新的适应度值，将个体更新的适应度值与历史最佳适应度值进行比较，根据比较结果更新个体的历史最佳用户节点位置和历史最佳适应度值，直至达到第二预设条件；从所有个体中选择当前适应度值最优的个体，作为用户网络筛选社区发现结果。这样，果蝇基本进化机制起到了全局搜索作用，交叉机制起到了局部搜索作用，保证算法求解精度；个体位置的更新有一部分依靠当前最佳位置的随机位置替换，即每只果蝇都在最佳位置附近飞行，因此压缩了搜索空间，更易找到最优解或次优解，在保证一定求解精度的同时能够快速收敛，筛选出最优的用户网络结构，使用户分类结果更加准确。
附图说明
[0019]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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他的附图。在附图中：
[0020]图1为本专利技术实施例中提供的用户网络筛选方法的流程图；
[0021]图2为本专利技术实施例中提供的初始化个体的示例图；
[0022]图3为本专利技术实施例中提供的随机扰动示例图；
[0023]图4为本专利技术实施例中提供的更新个体位置的示例图；
[0024]图5为本专利技术实施例中提供的用户网络筛选方法装置的示意图；
[0025]图6为本专利技术实施例中提供的电子设备的结构框图。
具体实施方式
[0026]为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。
[0027]本文中术语“和/或”，仅仅是描述一种关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
[0028]在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户网络筛选方法，其特征在于，包括：将用户网络集群划分为多个个体，每个个体表示一种用户网络结构，每个个体包括多个用户节点，为每个个体设置用户节点标签、用户节点间关系和用户网络的社区标签；基于标签传播算法，根据用户节点标签、用户节点间关系和用户网络的社区标签，对所有个体进行初始化，为每个个体设置初始适应度值；筛选出初始适应度值最优个体，对用户网络集群中除初始适应度值最优个体外的其余个体重复进行随机扰动，直至达到第一预设条件，从所有个体中筛选出初始适应度值最优个体；对用户网络集群中除初始适应度值最优个体外的其余个体中每一个体，基于标签传播算法重复更新个体中每一用户节点的位置，并在每次更新后，计算个体更新的适应度值，将个体更新的适应度值与历史最佳适应度值进行比较，根据比较结果更新个体的历史最佳用户节点位置和历史最佳适应度值，直至达到第二预设条件；从所有个体中选择当前适应度值最优的个体，作为用户网络筛选结果。2.如权利要求1所述的方法，其特征在于，为每个个体设置用户节点标签、用户节点间关系和用户网络的社区标签，包括：为每个个体包含的用户节点依次编号，将用户节点编号作为用户节点标签；为每个用户节点设置与邻居用户节点之间的以下关系中的一种：积极关系、消极关系、没有关系；为每个用户节点设置所属社区，对所有社区进行编号，将社区编号作为用户网络的社区标签。3.如权利要求2所述的方法，其特征在于，对所有个体进行初始化，包括：重复以下步骤，直至达到第三预设条件时，对个体进行归一化处理：根据每个用户节点间的关系，将每个用户节点划分到拥有该用户节点最多积极关系的邻居用户节点的社区中；更新划分后的用户节点的社区标签。4.如权利要求1所述的方法，其特征在于，对网络中除初始适应度值最优个体外的其余个体重复进行随机扰动，直至达到第一预设条件，包括：对除初始适应度值最优个体外的其余个体重复进行如下随机扰动，直至达到第一预设条件：按序选择个体，按序选择该个体中的用户节点，对选中用户节点随机估算概率，若估算概率大于种群更新概率，随机选择一个序号，将选中用户节点所属社区更换为最优个体中所选序号对应用户节点的所属社区；估算概率不大于种群更新概率，继续选择下一用户节点。5.如权利要求1所述的方法，其特征在于，对网络中除初始适应度值最优个体外的其余个体中每一个体，基于标签传播算法重复更新个体中每一用户节点的位置，包括：依次选取除初始适应度值最优个体外的每个个体中的每个用户节点；对选取的用户节点随机选择一个序号，选择初始适应度值最优个体中所选序号对应的用户节点，依次将选中用户节点所属个体中的其余用户节点作为对比用户节点，与初始适应度值最优个体中所选序号对应用户节点对比所属社区；
若两个用户节点所属社区相同，则通过标签传播算法更新对比用户节点的位置。6.如权利要求1所述的方法，其特征在于，根据比较结果更新个体的历史最佳用户节点位置和历史最佳适应度值，包括：将个体的更新的适应度值与历史最佳适应度值中更高的一方确定为历史最佳适应度值；将个体的更新的适应度值与历史最佳适应度值中更高的一方对应的位置确定为历史最佳用户节点位置。7.一种用户网络筛选装置，其特征在于，包括：划分模块，用于将用户网络集群划分为多个个体，每个个体表示网络中的一种结构，每个个体包...

【专利技术属性】
技术研发人员：唐苏乐，雷涛，雷刚，曹磊，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：