本发明专利技术公开了一种基于三角k‑核面向时序图的社区发现方法，挖掘时序图上指定时间的密集子图模型三角k‑核，以对社交网络进行深入分析，包括对网络和社区进行建模；计算时序图中所有时间窗口快照图上的三角k‑核，记录每条边属于三角k‑核的最早开始时间和最早结束时间，并按时间顺序添加到索引中。通过索引查询三角k‑核。
【技术实现步骤摘要】
本专利技术属于时序图网络上的社区发现技术邻域，具体为一种基于三角k-核面向时序图的社区发现方法。
技术介绍
1、图常被应用与对各种邻域内复杂关系的建模，其中顶点表示网络中的实体，边表示实体之间的关系。密集子图模型作为图数据管理和分析邻域的重要概念之一，能够有效衡量图的稠密程度，被广泛用于社区发现、社交网络分析、欺诈检测等关键邻域。大量研究关注在静态图中查找密集子图，然而现实世界的网络交互很多带有时间信息，例如在线社交网络、科学协作网络、邮件网络等。这些网络都是按时序维度进行推进，人们通常将这些网络建模为时序图。挖掘和发现时序图的密集子图对于深入分析和管理网络具有重要的科研意义和应用价值。目前，大部分关于时序图的研究聚焦于密集子图的查询问题。常见的密集子图模型包括：团、k-核、k-桁、k-丛等。团要求子图任意两个点之间均有连接，但结构约束要求太高，且计算成本高昂。k-核要求子图任意顶点的度数不少于k，其计算效率较高但是结构约束性较弱。为了平衡结构约束性和计算效率，研究者提出了三角k-核模型，该模型要求每条边至少被k个三角形包含。三角k-核子图的内部紧密程度较高且计算成本较低，非常适合对社交网络中的社区进行建模。但是目前对三角k-核的研究集中于静态图上，不能直接应用于时序图。传统的解决方法是，首先将查询范围内的时序子图转换为静态图，然后使用三角核分解方法，迭代的移除三角形数少于k的边，同时更新邻边的三角形数，直至剩下子图的边都至少被k个三角形包含。这种需要先转换再全局分解的方法，在处理大规模图数据时存在效率低下的问题。
/>技术实现思路
1、本专利技术的目的是为了解决现有技术的缺陷，提供一种基于三角k-核的面向时序图的社区发现方法，快速查询时序图中特定时期内的密集子图，以对社交网络进行深入挖掘和分析。
2、实现本专利技术目的的技术方案为：一种基于三角k-核的面向时序图的社区发现方法，具体步骤为：
3、步骤a：对网络和社区进行建模，具体包括：
4、用时序图表示网络，其中每个顶点表示一个用户实体，每条时序边表示两个实体在某时刻发生交互；
5、将网络中某段时间的社区建模为时序图上某段时间的三角k-核；
6、步骤b：构造索引：计算时序图中所有时间窗口[ts，te]快照图上的三角k-核，记录每条边属于三角k-核的最早开始时间ts和最早结束时间te，将[ts，te]按时间顺序添加到索引中；
7、步骤c：通过索引查询三角k-核，具体为：读入索引，给定时间范围[ts，te]和整数k，遍历索引中每条边，查找边在k值的时间窗口集合s，找到集合s中最后一个满足ts′≤ts的窗口[ts′，te′]，如果te′≤te，则将边加入集合r，最终得到的集合r即为三角k-核，即社区。
8、优选地，所述三角k-核是一种密集子图模型，在子图内每条边至少被k个三角形包含。
9、优选地，所述快照图是时序图g＝(v，e，t)在子区间[ts，te]的时序子图转换成静态图g＝(v，e)，其中v和e分别表示顶点集和时序边集，t为时间集合，转换方法为：将[ts，te]时间内的时序子图中，所有顶点之间的多个时序边合并为一条不带时间戳的边。
10、优选地，构造索引的方法为：
11、设计一种剪枝的索引结构，该索引对每条边(u，v)及其可能的三角k值，存储一组时间窗口[ts，te]，同一组内tsi＜tsi+1且tei＜tei+1
12、计算时序图整个时间范围[tmin,tmax]快照图上三角k-核，通过递减式删边的方式，维护所有子窗口[ts，te]快照图上的三角k-核；
13、在处理时间窗口的过程中，对每条边(u，v)仅记录其属于三角k-核的最早开始时间ts和最早结束时间te，将[ts，te]按时间顺序添加到索引中边(u，v)对应k值的集合s中。
14、本专利技术与现有技术相比，其显著优点为：利用三角k-核表示一个内部紧密联系的社区，将社交网络中特定时期的社区发现问题转化为在时序图上特定时间的三角k-核查询问题；本专利技术提出通过索引快速查询时序图上任意时间段任意k值的三角k-核。本专利技术无需输入原始图数据，仅根据索引就能返回任意时间段的密集子图；此外，本专利技术只需在第一次查询前构造一次索引，在后续查询中不需要重新构造索引。综上，本专利技术显著加速了时序图上密集子图查询。
15、下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
本文档来自技高网...
【技术保护点】
1.一种基于三角k-核的面向时序图的社区发现方法，其特征在于，具体步骤为：
2.根据权利要求1中所述的基于三角k-核的面向时序图的社区发现方法，其特征在于，所述三角k-核是一种密集子图模型，在子图内每条边至少被k个三角形包含。
3.根据权利要求1中所述的基于三角k-核的面向时序图的社区发现方法，其特征在于，所述快照图是时序图G＝(V,E,T)在子区间[ts,te]的时序子图转换成静态图G＝(V,E)，其中V和E分别表示顶点集和时序边集，T为时间集合，转换方法为：将[ts,te]时间内的时序子图中，所有顶点之间的多个时序边合并为一条不带时间戳的边。
4.根据权利要求1中所述的基于三角k-核的面向时序图的社区发现方法，其特征在于，构造索引的方法为：
【技术特征摘要】
1.一种基于三角k-核的面向时序图的社区发现方法，其特征在于，具体步骤为：
2.根据权利要求1中所述的基于三角k-核的面向时序图的社区发现方法，其特征在于，所述三角k-核是一种密集子图模型，在子图内每条边至少被k个三角形包含。
3.根据权利要求1中所述的基于三角k-核的面向时序图的社区发现方法，其特征在于，所述快照图是...
【专利技术属性】
技术研发人员：葛江，袁龙，
申请(专利权)人：南京理工大学，
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。