【技术实现步骤摘要】
本专利技术属于量子计算，特别是一种基于量子聚类的社区发现方法及相关装置。
技术介绍
1、近年来，社区结构发现已成为复杂网络研究中的一个热点问题，受到了计算机、数学、生物和社会学等领域研究者的广泛关注。复杂网络中的社区结构发现对于网络拓扑结构分析、功能分析和行为预测具有重要的理论意义及实用价值。例如，在常见的社交网络中，用户相当于网络节点，用户间互相关注、点赞、私信等形式的互动形成了节点间的连接关系；其中，连接较为紧密的部分节点可以被看成是一个社区，从而可以根据社区划分更有针对性地向每一社区内的用户提供价值评估、内容推荐、风险管控等业务。
2、社区发现算法是一种在网络中识别出紧密连接的节点群体的方法，大致可以被分为三类：基于网络图结构的层次分割方法，基于聚类的方法和基于优化的方法。其中，聚类是探测网络社区结构的传统方法，聚类算法可以基于各个节点间的相似性或连接强度将网络划分成若干子群；如在数据挖掘和机器学习领域应用十分广泛的k-means聚类算法，作为一种典型的无监督学习算法，k-means聚类算法可以基于节点中数据样本间的相似性度量进行聚类。但是在当前的复杂网络环境中，网络节点的数量极大并且正在快速增加，对每一节点的数据进行处理给经典计算机的算力带来了极大的挑战。
3、而量子计算机是一类遵循量子力学规律进行高速数学和逻辑运算、存储及处理量子信息的物理装置，具有相对经典计算机更高效的处理数学问题的能力。因此，为了提高在网络中发现社区结构的效率，有必要设计基于量子聚类的社区发现方法。
<
1、本专利技术的目的是提供一种基于量子聚类的社区发现方法及相关装置，旨在提高在网络中发现社区结构的效率。
2、本专利技术的一个实施例提供了一种基于量子聚类的社区发现方法，所述方法包括：
3、获取包含多个节点的目标网络，并基于所述目标网络中的节点分布特征，从所述多个节点中选择n个初始中心节点；
4、利用第一预设量子线路计算任一待分类节点与每一初始中心节点之间的第一相似度；其中，所述待分类节点为所述目标网络中除所述初始中心节点之外的节点；
5、将每一所述待分类节点聚类至以对应的目标节点为中心的集合，得到n个节点集合；其中，所述目标节点为与该待分类节点的第一相似度最大的初始中心节点；
6、将得到的n个节点集合中的每一节点集合作为所述目标网络中的一个社区。
7、可选的，所述第一预设量子线路包括特征编码子线路和相似度计算子线路；
8、所述利用第一预设量子线路计算任一待分类节点与每一初始中心节点之间的第一相似度，包括：
9、针对任一待分类节点和任一初始中心节点，利用所述特征编码子线路对该待分类节点的特征数据进行编码得到第一量子态，对该初始中心节点的特征数据进行编码得到第二量子态；利用所述相似度计算子线路，对所述第一量子态和所述第二量子态进行纠缠演化，测量演化后的量子态，计算得到该待分类节点与该初始中心节点之间的第一相似度。
10、可选的，所述特征编码子线路包括作用于第一量子比特的第一组rx门和ry门，和，作用于第二量子比特的第二组rx门和ry门；其中，所述第一组rx门和ry门的旋转参数由编码的待分类节点的特征数据确定，所述第二组rx门和ry门的旋转参数由编码的初始中心节点的特征数据确定；
11、所述相似度计算子线路依次包括作用于辅助比特的第一h门、控制比特为所述辅助比特的受控swap门、作用于所述辅助比特的第二h门，所述受控swap门的目标比特为所述第一量子比特和所述第二量子比特。
12、可选的，在所述将每一所述待分类节点聚类至以对应的目标节点为中心的集合，得到n个节点集合的步骤之后，所述方法还包括：
13、针对每一节点集合，利用第二预设量子线路计算该节点集合内的任一节点与该节点集合内的每一其它节点之间的第二相似度，并计算该节点对应的所有第二相似度之和；
14、针对每一节点集合，从该节点集合中选择所述第二相似度之和最大的节点，作为新的初始中心节点，得到n个新的初始中心节点；
15、返回执行所述利用第一预设量子线路计算任一待分类节点与每一初始中心节点之间的第一相似度的步骤，直至所述n个新的初始中心节点不发生改变。
16、可选的，所述目标网络中的节点分布特征包括所述多个节点之间的连接关系；
17、在所述将得到的n个节点集合中的每一节点集合作为所述目标网络中的一个社区的步骤之后，所述方法还包括：
18、基于同一社区内部的节点的连接关系，和，不同社区间的节点的连接关系，计算得到当前所有社区对应的第一模块度；
19、若所述第一模块度在预设区间外，将所述目标网络中的一组社区进行合并，并计算合并后的所有社区对应的第二模块度；其中，所述一组社区包括所述目标网络中的n个节点集合中的至少2个；
20、若所述第二模块度仍在所述预设区间外，对所述目标网络中的当前的社区进行合并操作，并计算每次合并后的所有社区对应的模块度，直至计算得到的模块度在所述预设区间内；
21、将计算得到的模块度在所述预设区间内时对应的社区，作为所述目标网络中的社区。
22、可选的，所述目标网络中的节点分布特征包括所述多个节点之间的连接关系和相邻节点之间的距离；
23、所述基于所述目标网络中的节点分布特征，从所述多个节点中选择n个初始中心节点，包括：
24、基于多个节点之间的连接关系计算得到每一节点的中心度，并将中心度最高的节点作为第一初始中心节点；
25、基于多个节点之间的连接关系和相邻节点之间的距离，计算得到所述目标网络中的任一节点与所述第一初始中心节点的最短路径的距离值；
26、从中心度大于预设阈值的节点中，依次选择所述距离值最大的节点，作为初始中心节点，直至初始中心节点的数量为n。
27、可选的，所述最短路径的距离值与所述最短路径包括的节点之间的距离正相关；
28、每一最短路径的距离值与目标相邻节点的数量负相关；其中，所述目标相邻节点为与该最短路径对应的节点和所述第一初始中心节点的均相邻的节点。
29、本专利技术的又一实施例提供了一种基于量子聚类的社区发现装置，所述装置包括：
30、初始模块，用于获取包含多个节点的目标网络，并基于所述目标网络中的节点分布特征，从所述多个节点中选择n个初始中心节点；
31、相似度计算模块，用于利用第一预设量子线路计算任一待分类节点与每一初始中心节点之间的第一相似度；其中，所述待分类节点为所述目标网络中除所述初始中心节点之外的节点；
32、聚类模块，用于将每一所述待分类节点聚类至以对应的目标节点为中心的集合，得到n个节点集合；其中，所述目标节点为与该待分类节点的第一相似度最大的初始中心节点；
33、社区发现模块，用于将得到的n个节点集合中的每一节点集合作为所述目本文档来自技高网...
【技术保护点】
1.一种基于量子聚类的社区发现方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述第一预设量子线路包括特征编码子线路和相似度计算子线路；
3.如权利要求2所述的方法，其特征在于，所述特征编码子线路包括作用于第一量子比特的第一组RX门和RY门，和，作用于第二量子比特的第二组RX门和RY门；其中，所述第一组RX门和RY门的旋转参数由编码的待分类节点的特征数据确定，所述第二组RX门和RY门的旋转参数由编码的初始中心节点的特征数据确定；
4.如权利要求1所述的方法，其特征在于，在所述将每一所述待分类节点聚类至以对应的目标节点为中心的集合，得到n个节点集合的步骤之后，所述方法还包括：
5.如权利要求1所述的方法，其特征在于，所述目标网络中的节点分布特征包括所述多个节点之间的连接关系；
6.如权利要求1-4任一项所述的方法，其特征在于，所述目标网络中的节点分布特征包括所述多个节点之间的连接关系和相邻节点之间的距离；
7.如权利要求6所述的方法，其特征在于，所述最短路径的距离值与所述最短路径包括的
8.一种基于量子聚类的社区发现装置，其特征在于，所述装置包括：
9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至7任一项中所述的方法。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至7任一项中所述的方法。
...【技术特征摘要】
1.一种基于量子聚类的社区发现方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述第一预设量子线路包括特征编码子线路和相似度计算子线路；
3.如权利要求2所述的方法，其特征在于，所述特征编码子线路包括作用于第一量子比特的第一组rx门和ry门，和，作用于第二量子比特的第二组rx门和ry门；其中，所述第一组rx门和ry门的旋转参数由编码的待分类节点的特征数据确定，所述第二组rx门和ry门的旋转参数由编码的初始中心节点的特征数据确定；
4.如权利要求1所述的方法，其特征在于，在所述将每一所述待分类节点聚类至以对应的目标节点为中心的集合，得到n个节点集合的步骤之后，所述方法还包括：
5.如权利要求1所述的方法，其特征在于，所述目标网络中...
【专利技术属性】
技术研发人员：窦猛汉，请求不公布姓名，请求不公布姓名，请求不公布姓名，
申请(专利权)人：本源量子计算科技合肥股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。