一种基于k边连通分量在大型网络中搜索个性化影响力社区的方法与流程

技术特征：
1.一种基于k边连通分量在大型网络中搜索个性化影响力社区的方法，其特征在于，给定一个待查询的图g和查询节点集q，所述个性化影响力社区pike是图g中具有最大影响力值的子图，需要满足四个条件：1)包含q中的所有查询节点；2)满足k边连通分量约束，即移除某图中的任意k
‑
1条边后，该图中的任意两个节点仍是可达的；3)子图的影响力值是最大的；4)是极大的，即它的任何超图都不能满足前面三个条件；该方法基于以下引理：对于图g的两个子图g1和g2，其中子图g1包含子图g2，且子图g1是子图g2和节点a的并集，如果节点a的影响力值小于子图g2的影响力值，那么子图g1的影响力值也小于子图g2的影响力值；该方法包括以下步骤：步骤一，计算图g中的所有k边连通分量；步骤二，找出包含q中所有查询节点的一个k边连通分量：如果q不包含在任何一个k边连通分量中，则返回一个报错；否则将包含q的k边连通分量中所有影响力值小于q中查询节点的最小影响力值的剩余节点，按照影响力值升序排序存储在集合s中，如果s为空则返回当前的k边连通分量；步骤三，基于二分法批量地删除节点：迭代地将s中的节点划分为两个集合d1和d2；d1包含s的前半部分的节点，即影响力值小的那部分节点，d2包含剩余的其他节点；根据引理，从当前的k边连通分量中移除d1中的所有节点，计算并返回k边连通分量中剩余节点构成的子图中的所有k边连通分量，如果在返回的结果中有包含q的k边连通分量，则通过步骤二计算该k边连通分量对应的s集合，并重复执行步骤三；如果在返回的结果中没有包含q的k边连通分量，若d1中节点数不为1，则将d1作为新的s集合，在未移除d1的k边连通分量上重复执行步骤三，若d1中节点数为1，意味着未移除d1的k边连通分量为最终子图pike，将其输出。2.根据权利要求1所述的方法，其特征在于，所述步骤一中，计算k边连通分量的方法具体为：首先创建一个空列表l并从原图g中随机挑选一个节点放入l中；之后迭代地进行如下操作：将原本不在l内，并且与l中的所有节点在图g中能够形成边数最多的节点放入l的尾部；每加入一个新的节点进入l后，执行相应的查询和更新操作；所述查询操作为：假设新加入的节点为u；在u加入l之前，l中的最新加入节点为v；若在此时l中的节点形成的子图中，u和v是k
‑
连通的，则进行更新操作；所述更新操作为：将u和v合并成一个超级节点，并在后续操作中将超级节点作为一个节点进行处理；继续上述过程直到图g中所有节点均加入到l并且执行相应查询和更新操作；对于图g中最后加入l的两个节点u'和v'，如果u'和v'不是k
‑
连通的，将l中最后加入的节点从l中移除；对当前包含超级节点的图重复上述所有步骤，最终每个超级节点中的所有节点形成的子图即为原图g中的一个k边连通分量。3.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1、2中任一项所述基于k边连通分量在大型网络中搜索个性化影响力社区的方法的步骤。
4.一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1、2中任一项所述基于k边连通分量在大型网络中搜索个性化影响力社区的方法的步骤。

技术总结
本发明公开了一种基于k边连通分量在大型网络中搜索个性化影响力社区的方法。传统的社交搜索忽略了个性化的需求。本发明提出了一种新的模型，即个性化影响力的k边连通分量(PIKE)模型。它利用k边连通分量模型来度量子图的内聚性，并试图根据一组查询节点来寻找有影响力的社区。它需要满足四个条件：包含所有给定的查询节点；满足k边连通分量约束；子图的影响力是最大的；是极大的，即它的任何超图都不能满足前面三个条件。为了解决这一问题并能够在大型网络中迅速找到PIKE，本发明提出了一种基于二分法的查询方法。本发明基于k边连通分量在大型网络中搜索个性化影响力社区的方法对社交网络的研究具有极大的效益。法对社交网络的研究具有极大的效益。法对社交网络的研究具有极大的效益。


技术研发人员：傅仙明 刘细涓 吴艳萍
受保护的技术使用者：浙江工商大学
技术研发日：2021.07.08
技术公布日：2021/10/23