[发明专利]一种阶梯接近中心度确定方法及系统

说明书

本发明公开了一种阶梯接近中心度确定方法及系统，其中，方法的实现包括：构建目标数据库的数据图；将数据图中的所有节点作为剩余节点集合；计算出剩余节点集合中所有节点对间的距离，通过距离及赋权函数计算出所有节点的接近中心度；从剩余节点集合中选出接近中心度最大的节点，被选出节点的阶梯接近中心度为在当前子图中计算所得的接近中心度，然后从剩余节点集合中删除选出节点，并从数据图中删除选出节点关联的边，生成新子图；判断删除之后的剩余节点集合是否为空，若不为空，则重复以上步骤继续计算直到剩余节点集合为空，此时所有节点均计算得出自身的阶梯接近中心度。本发明所提出的阶梯接近中心度指标具有更好的局部性和抗干扰能力。

技术领域

本发明属于计算机领域的图数据分析领域，更具体地，涉及一种针对于大规模数据图分析的阶梯接近中心度确定方法及系统。

背景技术

目前，各种各样的图数据和图结构大量出现在我们的生活中，如社交网络、交通网络图、生物网络、金融网络、科研数据网络图等等。而随着社会的不断发展，这些数据图规模飞速扩展，数据规模与日俱增，因此直接对整个图结构进行分析的难度很大。近来，研究人员提出了许多在大规模图中检测评估社团与中心性度量方法。通过检测图中关键元素以及依据节点的重要性对图中节点进行排序，有利于跟踪到有重要意义的候选节点。这些方法为各领域的研究人员理解真实系统的构成、功能及动态演化进程提供了强有力的工具。然而，大规模数据图结构的千差万别决定了中心性度量本身是一个非常困难的问题，因此如何评估与检测图中节点的中心性，提出更加准确的度量指标和计算算法并对检测出的模块与中心性节点进行功能解释仍是当前极具挑战性的工作。

目前已经设计出了多种经典节点中心度指标和计算方法，并且在大规模图数据分析中展示了它们的应用。但由于大多数数据图具有小世界特性，全局地去计算得出的中心性指标往往会受到小部分中心度较大节点的干扰。因此，如何在局部范围内对节点的特征进行描述成为了一个亟待解决的问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种阶梯接近中心度确定方法及系统，由此解决现有的节点中心度指标和计算方法通过全局计算得出的中心性指标往往会受到小部分中心度较大节点的干扰的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种阶梯接近中心度确定方法，包括：

(1)以目标数据库中所有的数据单元为节点、以所述数据单元之间的关联关系为边、以所述数据单元之间关联的强度为权重建立数据图G(V,E)或G(V,E,W)，其中，边集E表示所述数据图中所有边的集合，点集V表示所述数据图中所有节点的集合，权重集W表示边集E中每条边的权重；

(2)初始化当前子图级数l＝0，当前剩余节点集V′_l＝V，当前剩余边集E′_l＝E，通过V′_l和E′_l构建生成子图G_l(V′_l,E′_l)或G_l(V′_l,E′_l,W′_l)，其中，W′_l表示E′_l中边的权重集；

(3)在所述生成子图G_l中计算得到所述当前剩余节点集V′_l中各节点对之间的距离d_l(u,v)；

(4)根据赋权函数和计算得到的各节点对之间的距离d_l(u,v)，在所述生成子图G_l中计算得到所述当前剩余节点集V′_l中各节点的接近中心度；

(5)找出所述当前剩余节点集V′_l中接近中心度最大的节点集V_l^*；