一种核心业务对象的挖掘方法和装置与流程

1.本说明书一个或多个实施例涉及数据挖掘和图形计算领域，尤其涉及一种核心业务对象的挖掘方法和装置。


背景技术：

2.传统的识别核心业务对象的技术方案，通常是先构建反应业务对象之间的业务关系的图网络，然后利用包括例如遍历和寻路算法、中心度算法、社区发现算法在内的图形算法，从大量业务对象中识别出核心业务对象。但是，这种技术方案也存在计算速度较慢、以及获取核心业务对象的过程的合理性以及可解释性不够的问题。
3.因此，需要一种新的挖掘核心业务对象的方法。


技术实现要素：

4.本说明书中的实施例旨在提供一种新的核心业务对象的挖掘方法，通过该方法可以提高从大量业务对象中挖据核心业务对象的处理速度，同时使得获取核心业务对象的过程更具有合理性和可解释性，解决现有技术中的不足。
5.根据第一方面,提供了一种核心业务对象的挖掘方法，包括：
6.获取业务关系图，其中包括与多个业务对象分别对应的多个节点，根据业务对象之间的业务关系而建立的连接边；
7.基于社区发现算法，将所述业务关系图划分为若干连通的子社区图，并确定各子社区图中包含的种子节点；
8.对于任意子社区图，执行若干轮次迭代，任意一轮迭代包括，针对任意目标节点，根据该目标节点与各邻接节点的上一轮注意力值，确定各本轮注意力值；根据各本轮注意力以及各邻接节点是否为种子节点，更新该目标节点的中心度；在该中心度达到预定阈值且该目标节点属于种子节点的情况下，将该目标节点对应的业务对象确定为核心业务对象。
9.在一种可能的实施方式中，所述业务对象为账户、银行卡中的一种，所述业务关系为账户或银行卡之间的交易关系。
10.在一种可能的实施方式中，所述方法还包括，根据通过各个子社区图确定的核心业务对象的总和，确定核心业务对象集合。
11.在一种可能的实施方式中，所述社区发现算法为louvian算法、infomap算法中的一种。
12.在一种可能的实施方式中，所述种子节点包括初始种子节点和预测种子节点，所述各子社区图中分别包括若干初始种子节点；
13.所述确定各子社区图中包含的种子节点，包括：根据各子社区图包括的初始种子节点，确定其余的节点是否为预测种子节点。
14.在一种可能的实施方式中，根据各子社区图包括的初始种子节点，确定其余的节
点是否为预测种子节点，包括：
15.基于标签传播算法lpa，根据各子社区图包括的初始种子节点，确定其余的节点是否为预测种子节点。
16.在一种可能的实施方式中，根据各本轮注意力以及各邻接节点是否为种子节点，更新该目标节点的中心度，包括：
17.根据各本轮注意力、该目标节点与各邻接节点的连接边的权重值、以及各邻接节点是否为种子节点，更新该目标节点的中心度。
18.在一种可能的实施方式中，根据该目标节点与各邻接节点的上一轮注意力值，确定各本轮注意力值，包括：
19.对于该目标节点与其任意的第一邻接节点，
20.根据该目标节点与第一邻接节点的上一轮注意力值，与该目标节点与其所有的邻接节点的上一轮注意力值之和的比例，确定第一迭代增量；
21.根据该目标节点与第一邻接节点的上一轮注意力值，与第一迭代增量之和，确定该目标节点与第一邻接节点的本轮注意力值。
22.在一种可能的实施方式中，该目标节点与其所有的邻接节点的上一轮注意力值之和，包括：
23.目标节点与其所有的有效邻接节点的上一轮注意力值之和,其中,目标节点与所述有效邻接节点的上一轮注意力值大于预定的注意力阈值。
24.在一种可能的实施方式中，根据该目标节点与第一邻接节点的上一轮注意力值，与第一迭代增量之和，确定该目标节点与第一邻接节点的本轮注意力值，包括：
25.根据该目标节点与第一邻接节点的上一轮注意力值、第一迭代增量和预设的衰减值之和，确定该目标节点与第一邻接节点的本轮注意力值。
26.在一种可能的实施方式中，所述方法还包括：
27.在所述若干轮次迭代更新之前，针对所述目标节点,设置该目标节点与各邻接节点的注意力值的初始值，其中，目标节点与任意的第一邻接节点的所述初始值为，目标节点的所有邻接节点的种子标签值之和的对数；所述种子标签值用于指示所述邻接节点是否为种子节点。
28.根据第二方面，提供一种核心业务对象的挖掘装置，包括：
29.业务关系图获取单元，配置为，获取业务关系图，其中包括与多个业务对象分别对应的多个节点，根据业务对象之间的业务关系而建立的连接边；
30.子社区图获取单元，配置为，基于社区发现算法，将所述业务关系图划分为若干连通的子社区图，并确定各子社区图中包含的种子节点；
31.核心业务对象确定单元，配置为，对于任意子社区图，执行若干轮次迭代，任意一轮迭代包括，针对任意目标节点，根据该目标节点与各邻接节点的上一轮注意力值，确定各本轮注意力值；根据各本轮注意力以及各邻接节点是否为种子节点，更新该目标节点的中心度；在该中心度达到预定阈值且该目标节点属于种子节点的情况下，将该目标节点对应的业务对象确定为核心业务对象。
32.在一种可能的实施方式中，所述业务对象为账户、银行卡中的一种，所述业务关系为账户或银行卡之间的交易关系。
33.在一种可能的实施方式中，所述装置还包括，
34.核心业务对象集合确定单元，配置为，根据通过各个子社区图确定的核心业务对象的总和，确定核心业务对象集合。
35.在一种可能的实施方式中，所述社区发现算法为louvian算法、infomap算法中的一种。
36.在一种可能的实施方式中，所述种子节点包括初始种子节点和预测种子节点，所述各子社区图中分别包括若干初始种子节点；
37.子社区图获取单元，进一步配置为：根据各子社区图包括的初始种子节点，确定其余的节点是否为预测种子节点。
38.在一种可能的实施方式中，子社区图获取单元，进一步配置为：
39.基于标签传播算法lpa，根据各子社区图包括的初始种子节点，确定其余的节点是否为预测种子节点。
40.在一种可能的实施方式中，核心业务对象确定单元，进一步配置为：
41.根据各本轮注意力、该目标节点与各邻接节点的连接边的权重值、以及各邻接节点是否为种子节点，更新该目标节点的中心度。
42.在一种可能的实施方式中，核心业务对象确定单元，进一步配置为：
43.对于该目标节点与其任意的第一邻接节点，
44.根据该目标节点与第一邻接节点的上一轮注意力值，与该目标节点与其所有的邻接节点的上一轮注意力值之和的比例，确定第一迭代增量；
45.根据该目标节点与第一邻接节点的上一轮注意力值，与第一迭代增量之和，确定该目标节点与第一邻接节点的本轮注意力值。
46.在一种可能的实施方式中，该目标节点与其所有的邻接节点的上一轮注意力值之和，包括：
47.目标节点与其所有的有效邻接节点的上一轮注意力值之和,其中,目标节点与所述有效邻接节点的上一轮注意力值大于预定的注意力阈值。
48.在一种可能的实施方式中，核心业务对象确定单元，进一步配置为：
49.根据该目标节点与第一邻接节点的上一轮注意力值、第一迭代增量和预设的衰减值之和，确定该目标节点与第一邻接节点的本轮注意力值。
50.在一种可能的实施方式中，核心业务对象确定单元，进一步配置为，
51.在所述若干轮次迭代更新之前，针对所述目标节点,设置该目标节点与各邻接节点的注意力值的初始值，其中，目标节点与任意的第一邻接节点的所述初始值为，目标节点的所有邻接节点的种子标签值之和的对数；所述种子标签值用于指示所述邻接节点是否为种子节点。
52.根据第三方面,提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一方面所述的方法。
53.根据第四方面,提供了一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面所述的方法。
54.利用以上各个方面中的方法、装置、计算设备、存储介质中的一个或多个，可以有效的提高从大量业务对象中挖据核心业务对象的处理速度，并使得获取的核心业务对象更
具备合理性和可解释性。
附图说明
55.为了更清楚说明本发明实施例的技术方案，下面将对实施例描述中所需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发明的一些实施例，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。
56.图1示出根据本说明书实施例的一种核心业务对象的挖掘方法的原理示意图；
57.图2示出根据本说明书实施例的一种核心业务对象的挖掘方法的流程图；
58.图3示出根据本说明书实施例的基于子社区图进行种子节点预测的示意图；
59.图4示出根据本说明书实施例的基于业务关系图进行种子节点预测的结构图；
60.图5示出根据本说明书实施例的一种核心业务对象的挖掘装置的结构图。
具体实施方式
61.下面将结合附图，对本发明书提供的方案进行描述。
62.在很多行业，例如金融、支付等，其业务活动通常会涉及大量业务对象，例如进行业务的账户、用户，业务中使用的银行卡等等。与此同时，一些不法产业会利用其掌握的这些账户或银行卡等，从事不法的业务活动，给提供业务服务的企业和其他用户带来损失。因此，需要有有效的技术手段来识别用于不法活动的业务对象，尤其是其中作用更为关键的核心业务对象。现有的识别这类核心对象的方案，通常是通过构建反应业务对象之间关系的业务关系网络，并在业务对象中预先确定不法种子对象。然后，利用例如遍历和寻路算法、中心度算法、社区发现算法等图形算法，从业务关系网络中确认出从事不法活动的业务对象中的核心业务对象。
63.但是，上述方案存在如下问题：核心对象通常是基于从事不法活动的业务对象的中心度来确定，而该中心度则主要依据业务对象之间业务关系的强度，通常这个强度是预先确定的，在计算过程中并不变化。这样导致一方面，由于不能基于业务关系的强度的变化来更新中心度，只能依靠人为设定的例如衰减值来更新中心度，使得获取最终核心业务对象的迭代计算过程收敛非常慢，计算消耗的时间长，消耗的计算资源总量大。另一方面，最终获取的核心对象，主要是单纯依赖业务关系强度确定的，在很多业务场景，并不具备充分的合理性。例如在一些场景中，正常对象之间也可以具有强度高的业务关系，如果仅基于强度关系对于业务对象进行管控，则缺乏业务上的可解释性，难以说服用户。
64.为了解决上述技术问题，本说明书实施例提供了一种核心业务对象的挖掘方法。图1示出根据本说明书实施例的一种核心业务对象的挖掘方法的原理示意图。在如图1所示，首先，根据业务对象及其之间的业务关系建立业务关系图，业务关系图中的节点对应于业务对象，节点间的边对应于业务对象之间业务关系。节点中可以包括部分初始种子节点(例如图1中所示的浅灰色节点)，这些种子节点可以对应于预知的被用于非法业务活动的业务对象。然后，可以根据社区发现算法，将业务关系图划分为多个子图，即子社区图(例如图1所示中的子社区图1、子社区图2和子社区图3)，并在各子社区图中，利用标签传递算法根据已知的初始种子节点推测出其他的种子节点(例如图1中所示的深灰色节点)。
65.接着，可以在各社区图中，对于各个节点，初始化对其各邻接节点的注意力值，例
如子社区图1中，初始化节点2对于其邻接的节点3的注意力值a(2，3)，节点3分别对于其邻接的节点1、节点2的注意力值a(3，1)、a(3，2)，节点1对于其邻接的节点3的注意力值a(1，3)。类似的，在子社区图2、子社区图3中，也可以初始化其中各个节点对于其邻接节点的注意力值。然后，根据所述注意力、以及其各邻接节点是否为种子节点(包括初始的和预测的种子节点)的标签值，来确定各个节点的中心度。此后，可以通过多轮次的迭代更新上述各节点对于邻接节点的注意力，并计算更新注意力后的各个节点的中心度(例如子社区图1中，节点1、节点2、节点3各自的中心度c1、c2、c3)，直到特定节点的中心度达到预定阈值且在该特定节点为种子节点的情况下，将该特定节点对应的业务对象确定为核心业务对象(例如子社区图1中，根据节点3的中心度超过预定阈值，确定节点3对应的业务对象为核心对象)。此外，在上述迭代的过程中，可以根据预设的注意力阈值，确定节点的邻接节点在该节点的中心度计算上是否生效，也就是说当某个节点对于某个邻接节点的注意力下降到预定程度时，该邻接节点不再对于该节点的中心度的计算产生作用。这等效于，在计算中心度的过程中，根据动态的注意力不断对节点进行“裁剪”。在不同的实施例中，确定节点的中心度例如还可以依据节点与其邻接节点的连接边的权重，该边权重可以对应于业务对象的业务关系的强度，例如在一个例子中，所述业务关系可以为不同业务对象之间的交易关系，边权重例如可以对应于交易的金额、频率等。
66.该方法具有如下优点：一方面，在节点中心度的计算中，引入目标节点对于邻接节点的注意力参数，该注意力参数可反映该邻接节点对于目标节点的影响度。从业务角度，相对于现有的技术方案主要基于关系边的权重来确定中心度，计入邻接节点尤其是种子邻接节点的影响度明显从业务角度更具合理性，也更具可解释性，例如对多个不法种子具有高度注意力，其本身成为核心不法种子的可能性更大。另一方面，在对于节点中心度的多轮次迭代计算中，动态的根据邻接节点的注意力，确定该邻接节点是否参与中心度的计算中，本质上是动态的修整有效网络结构，可以在中心度的计算中使网络加速收敛，减少计算量，提高计算速度。
67.下面进一步阐述该方法的详细过程。图2示出根据本说明书实施例的一种核心业务对象的挖掘方法的流程图。如图2所述，该方法至少包括如下步骤：
68.步骤21，获取业务关系图，其中包括与多个业务对象分别对应的多个节点，根据业务对象之间的业务关系而建立的连接边；
69.步骤22，基于社区发现算法，将所述业务关系图划分为若干连通的子社区图，并确定各子社区图中包含的种子节点；
70.步骤23，对于任意子社区图，执行若干轮次迭代，任意一轮迭代包括，针对任意目标节点，根据该目标节点与各邻接节点的上一轮注意力值，确定各本轮注意力值；根据各本轮注意力以及各邻接节点是否为种子节点，更新该目标节点的中心度；在该中心度达到预定阈值且该目标节点属于种子节点的情况下，将该目标节点对应的业务对象确定为核心业务对象。
71.首先，在步骤21，获取业务关系图，其中包括与多个业务对象分别对应的多个节点，以及根据业务对象之间的业务关系而建立的连接边。
72.该步骤中，获取的业务的关系图可以为无向图，其中包括对应于业务对象的节点、以及节点之间的边，所述边对应于业务对象之间的业务关系。
73.在不同的实施例中，可以根据不同的具体业务对象，及其之间的不同具体业务关系建立业务关系图，本说明书对此不做限制。在一个实施例中，业务对象具体可以为账户、银行卡中的一种。在另一个实施例中，业务关系具体可以为账户或银行卡之间的交易关系。
74.然后，在步骤22，基于社区发现算法，将所述业务关系图划分为若干连通的子社区图，并确定各子社区图中包含的种子节点。
75.社区发现(community detection)算法，是一类用于发现网络中的社区结构的算法。该步骤中，可以基于社区发现算法，将完整的关系图划分为多个子图。使得子图之内的关联性尽可能大，而子图之间关联性尽可能低，这样的子图可以称之为一个社区，本说明书中也称之为子社区图。在不同的实施例中，可以具体采用不同的社区发现算法，本说明书对此不做限制。在一个实施例中，社区发现算法可以为louvian算法、infomap算法中的一种。
76.该步骤中，还在子社区图中包括的节点中确定了其中的种子节点。在不同的实施例中，确定种子节点的具体方式可以不同。在一些实施例中，可以根据子社区图中的已具有的部分初始种子节点，确定其他的种子节点。可以理解，初始种子节点是根据已知信息而预先标注出来的。图3示出根据本说明书实施例的基于子社区图进行种子节点预测的示意图。在图3所示的实施例中，划分后子社区图中包括若干初始种子节点(例如，图3中的浅灰色节点)；继而，可以根据子社区图包括的初始种子节点，确定其余的节点是否为预测种子节点(例如，图3中的深灰色节点)。最终确定的种子节点包括初始种子节点和预测种子节点。在一个具体的实施例中，可以基于标签传播算法lpa，根据初始种子节点，确定其余的节点是否为预测种子节点。
77.在另一些实施例中，预测种子节点也可以在子社区图划分之前进行，子社区图中的种子节点可以直接对应于业务关系图中的种子节点。图4示出根据本说明书实施例的基于业务关系图进行种子节点预测的结构图。如图4所示，可以在划分子社区图前，根据业务关系图中的初始种子节点(例如，图4中的浅灰色节点)，确定其余的节点是否为预测种子节点(例如，图4中的深灰色节点)。在根据初始种子节点，确定业务关系图的其他潜在的种子节点(预测种子节点)之后，再将业务关系图划分为多个子社区图。这样，子社区图中的种子节点可以直接对应于业务关系图中的种子节点。
78.此后，在步骤33，可以对于各个子社区图，通过多轮迭代，更新其各节点对于其邻接节点的注意力，并根据该注意力，确定各节点的中心度，至少根据该中心度，确定各节点对应的业务对象是否为核心业务对象。其中，对于任意子社区图，可以执行若干轮次迭代，在任意一轮迭代中，针对任意目标节点，可以根据该目标节点与各邻接节点的上一轮注意力值，确定各本轮注意力值；根据各本轮注意力以及各邻接节点是否为种子节点，更新该目标节点的中心度；在该中心度达到预定阈值且该目标节点属于种子节点的情况下，将该目标节点对应的业务对象确定为核心业务对象。
79.在所述每一轮迭代中，可以根据上一轮的注意力值和该轮的迭代增量，确定本轮注意力值。因此，在一个实施例中，对于该目标节点与其任意的第一邻接节点，可以根据该目标节点与第一邻接节点的上一轮注意力值，与该目标节点与其所有的邻接节点的上一轮注意力值之和的比例，确定第一迭代增量；根据该目标节点与第一邻接节点的上一轮注意力值，与第一迭代增量之和，确定该目标节点与第一邻接节点的本轮注意力值。
80.在一个具体的实施例中，在所述若干轮次迭代更新之前，可以针对所述目标节点，
设置该目标节点与各邻接节点的注意力值的初始值，其中，目标节点与任意的第一邻接节点的所述初始值为，目标节点的所有邻接节点的种子标签值之和的对数；所述种子标签值用于指示所述邻接节点是否为种子节点。在该实施例中，注意力的初始值可以表示为：
[0081][0082]
其中，为第i个子社区中节点j对其邻接节点k的注意力值的初始值(即以假设的第0轮迭代的注意力值作为注意力初始值，需要注意的是，第0轮迭代并未真实发生，只是为计算方便而设定)，k为节点j的邻接节点的数量，在一个例子中，当邻接节点k为种子节点时，为1，否则为0。
[0083]
在设定好初始值后，根据上述实施例，在后续的第n轮迭代中，目标节点j对其邻接节点k的注意力值的更新可以表示为：
[0084][0085]
其中，其中，分别为在第n-1轮、第n轮迭代中，第i个子社区中目标节点j对其邻接节点k的注意力值，为该目标节点与其所有的邻接节点的上一轮注意力值之和，对应于第一迭代增量。
[0086]
在另一个实施例中，为了使得获取核心种子节点的过程更快的收敛，还可以根据该目标节点与第一邻接节点的上一轮注意力值、第一迭代增量和预设的衰减值之和，确定该目标节点与第一邻接节点的本轮注意力值。在一个具体的实施例中，所述注意力的更新可以以数学方式表示如下：
[0087][0088]
其中，其中，分别为在第n-1轮、第n轮迭代中，第i个子社区中节点j对其邻接节点k的注意力值，a为预先设定的注意力阈值。δ(.)为示性函数，取值为0或1，当其中的为true时，该示性函数取值为1，当为false时，该示性函数取值为0，β为预先设定的衰减值。上述示性函数的引入，意味着注意力低于上述阈值a的邻接节点的影响将被忽略，等效于该邻接节点被裁剪掉，仅保留注意力高于上述阈值的邻接节点作为有效节点，从而进一步加速迭代的收敛。
[0089]
在每一轮迭代中，还可以根据如上计算出的本轮注意力、目标节点与各邻接节点的连接边的权重值，确定目标节点的中心度。因此，在一个实施例中，可以根据各本轮注意力、该目标节点与各邻接节点的连接边的权重值、以及各邻接节点是否为种子节点，更新该目标节点的中心度。
[0090]
在一个具体的实施例中，所述中心度的更新可以以数学方式表示如下：
[0091][0092]
其中，为第i个子社区中节点j的中心度；为第i个子社区中节点j对其邻接节
点k的注意力值；为第i个子社区中节点j和其邻接节点k之间的边权重；为第i个子社区中节点j的邻接节点k是否为种子节点，在一个例子中，当邻接节点k为种子节点时，为1，否则为0。
[0093]
为了加快获取核心种子节点(核心业务对象对应的节点)的过程的速度，可以仅根据目标节点对于其有效邻接节点的注意力值，确定其中心度。在一个实施例中，有效邻接节点可以根据预先设定的注意力阈值确定。在一个具体的实施例中，该目标节点与其所有的邻接节点的上一轮注意力值之和可以是，目标节点与其所有的有效邻接节点的上一轮注意力值之和,其中,目标节点与所述有效邻接节点的上一轮注意力值大于预定的注意力阈值。
[0094]
在根据各个子社区图，确定其分别包含的核心种子节点之后，还可以结合所有子社区图包括的核心业务节点，确定所述业务关系图包括的所有核心业务节点，进而确定其对应的核心业务对象集合。因此，在一个实施例中，还可以根据通过各个子社区图确定的核心业务对象的总和，确定核心业务对象集合。
[0095]
根据另一方面的实施例，还提供一种核心业务对象的挖掘装置。图5示出根据本说明书实施例的一种核心业务对象的挖掘装置的结构图。如图5所示，该装置500包括：
[0096]
业务关系图获取单元51，配置为，获取业务关系图，其中包括与多个业务对象分别对应的多个节点，根据业务对象之间的业务关系而建立的连接边；
[0097]
子社区图获取单元52，配置为，基于社区发现算法，将所述业务关系图划分为若干连通的子社区图，并确定各子社区图中包含的种子节点；
[0098]
核心业务对象确定单元53，配置为，对于任意子社区图，执行若干轮次迭代，任意一轮迭代包括，针对任意目标节点，根据该目标节点与各邻接节点的上一轮注意力值，确定各本轮注意力值；根据各本轮注意力以及各邻接节点是否为种子节点，更新该目标节点的中心度；在该中心度达到预定阈值且该目标节点属于种子节点的情况下，将该目标节点对应的业务对象确定为核心业务对象。
[0099]
在一个实施例中，所述业务对象可以为账户、银行卡中的一种，所述业务关系可以为账户或银行卡之间的交易关系。
[0100]
在一个实施例中，所述装置还可以包括，
[0101]
核心业务对象集合确定单元，配置为，根据通过各个子社区图确定的核心业务对象的总和，确定核心业务对象集合。
[0102]
在一个实施例中，所述社区发现算法可以为louvian算法、infomap算法中的一种。
[0103]
在一个实施例中，所述种子节点可以包括初始种子节点和预测种子节点，所述各子社区图中分别包括若干初始种子节点；
[0104]
子社区图获取单元，可以进一步配置为：根据各子社区图包括的初始种子节点，确定其余的节点是否为预测种子节点。
[0105]
在一个实施例中，子社区图获取单元，可以进一步配置为：
[0106]
基于标签传播算法lpa，根据各子社区图包括的初始种子节点，确定其余的节点是否为预测种子节点。
[0107]
在一个实施例中，核心业务对象确定单元，可以进一步配置为：
[0108]
根据各本轮注意力、该目标节点与各邻接节点的连接边的权重值、以及各邻接节
点是否为种子节点，更新该目标节点的中心度。
[0109]
在一个实施例中，核心业务对象确定单元，可以进一步配置为：
[0110]
对于该目标节点与其任意的第一邻接节点，
[0111]
根据该目标节点与第一邻接节点的上一轮注意力值，与该目标节点与其所有的邻接节点的上一轮注意力值之和的比例，确定第一迭代增量；
[0112]
根据该目标节点与第一邻接节点的上一轮注意力值，与第一迭代增量之和，确定该目标节点与第一邻接节点的本轮注意力值。
[0113]
在一个实施例中，该目标节点与其所有的邻接节点的上一轮注意力值之和，可以包括：目标节点与其所有的有效邻接节点的上一轮注意力值之和,其中,目标节点与所述有效邻接节点的上一轮注意力值大于预定的注意力阈值。
[0114]
在一个实施例中，核心业务对象确定单元，可以进一步配置为：
[0115]
根据该目标节点与第一邻接节点的上一轮注意力值、第一迭代增量和预设的衰减值之和，确定该目标节点与第一邻接节点的本轮注意力值。
[0116]
在一个实施例中，核心业务对象确定单元，可以进一步配置为，
[0117]
在所述若干轮次迭代更新之前，针对所述目标节点,设置该目标节点与各邻接节点的注意力值的初始值，其中，目标节点与任意的第一邻接节点的所述初始值为，目标节点的所有邻接节点的种子标签值之和的对数；所述种子标签值用于指示所述邻接节点是否为种子节点。
[0118]
本说明书又一方面提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述任一项方法。
[0119]
本说明书再一方面提供一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现上述任一项方法。
[0120]
需要理解，本文中的“第一”，“第二”等描述，仅仅为了描述的简单而对相似概念进行区分，并不具有其他限定作用。
[0121]
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。
[0122]
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。