[发明专利]一种社交网络布局方法、系统及其存储介质

说明书

本发明公开了一种社交网络布局方法、系统及其存储介质，解决海量节点的复杂社交网络的图形化问题，通过本技术的应用实施，BH算法在社交网络方面的应用可以进一步优化，以提升计算速度，同时提高产率、质量、精度和效率；采用质量距离比控制Node和根节点两点距离之间是否产生有效作用力，降低了计算精度，减少了计算次数，从而提高了计算效率，计算精度和次数的降低，节省了能耗、原材料、工序，使得加工、操作、控制、使用更为简便。

技术领域

本申请涉及社交网络图形处理技术领域，具体而言，涉及一种社交网络布局方法、系统及其存储介质。

背景技术

社交网络由人和人际关系构成，将社交网络图形化，就得到代表人的点和代表关系的线组成的网络图。

改变图的布局，把存在关系的点拉近，不存在关系的点推远，通过这种变化，可以让图中的重要点，主要关系，关系网，聚集群等更加明显。

力导向布局图，又叫力学图，是一种建立在力学仿真模型基础上的图，图形中的点在系统中的各种力的作用下不断运动，达到图形变化的效果。

Links力，连接两个点的边，对两个点存在牵引力，牵引力的大小跟点之间的距离成正比。

N-Body力来源于N-Body问题，设定了初始位置，质量，速度的N个点(天体或粒子)在相互作用力下的运动过程，节点间的相互作用力可以是宏观的万有引力，

也可以是微观的库伦斥力。N-Body问题广泛用于天体物理，等离子体物理，分子动力学等。

由上可知，力导向图同时施加Links力，和N-Body力可以很好的完成社交网络的这个布局变化。

目前已经有人将力导向图用于社交网络数据的可视化应用上，并取得了不错的效果，但是在N-Body力上，采用的是PP算法，即计算所有点两两间的作用力，这种算法的优点是精度高，实现简单，在N的数量小的情况下有不错的效果。而随着N增大，PP算法的时间消耗成几何增长，让人无法承受。

发明内容

本申请的主要目的在于提供一种社交网络布局方法、系统及其存储介质，通过低精度高效率Barnes-Hut(BH)算法来实现N-Body力的模拟，以解决目前的问题。

为了实现上述目的，本申请提供了如下技术：

本发明的第一目的在于提出一种社交网络图布局方法，包括如下步骤：

S100、数据点初始化处理：初始化社交网络图的的所有点，根据点总数确定图的范围(W，H)，并将点随机分布到社交网络图中，保证点不重叠，并为每个点设置质量；计算图总质量M；

S101、构造四叉树：利用BH算法将图形空间递归的等分为四个小区域，直到每个区域仅包含一个点Node；根据上述社交网络图划分原则创造四叉树，树的根节点代表区域，叶节点代表Node，自下而上计算每个区域的总质量和区域的质心，同时记录在根节点上；

S102、计算BH四叉树根节点的质量和质心：对BH四叉树，从根节点按照深度优先的顺序，依次计算每个根节点的质量m，质心(x，y)，在社交网络图中质量占比Rm；

S103、计算社交网络图中所有节点的N-Body力：从根节点开始遍及BH四叉树，对社交网络图中所有节点计算其N-Body力，为了判断确定远近不同的叶节点Node和根节点两点距离之间是否产生有效作用力，采取质量距离比进行判定，质量距离比为Rml，质量距离比Rml的计算公式为：Rml＝RM/RL，其中RM为区域质量和社交网络图总质量的比值，RL为点和区域质心距离和图形宽度的比值，设定其阈值为a；如果Rmla，则计算区域对点的作用力；

S104、计算社交网络图中所有节点的Links力；