[发明专利]基于主观逻辑和前馈神经网络的相似有向子图搜索方法及系统

说明书

本发明属于判断有向子图相似性技术领域，具体涉及一种基于主观逻辑和前馈神经网络的相似有向子图搜索方法及系统，无需定义代价函数，而是基于观察法，利用主观逻辑理论，给出两个少节点有向图(含有1个节点或2个节点)的相似度意见，然后运用主观逻辑增量合意算子综合多位专家的意见，采用基于贪心算法和主观逻辑传递算子逐步扩大相似子图的规模，在保证了相似度意见的客观性和准确性，解决了代价函数的不同定义给编辑距离带来的不确定性，同时算法的时间复杂度不会由于两图含有的节点数目的增加而快速增加。

技术领域

本发明属于判断有向子图相似性技术领域，具体涉及一种基于主观逻辑和前馈神经网络的相似有向子图搜索方法及系统。

背景技术

在我们的生活中存在大量的可以抽象为图结构的数据信息，而其中大多又是基于有向图结构的。例如在城市交通网络中，可以将地点抽象为节点，将道路抽象为有向边，边的方向表示道路通行方向。随着研究不断加深，人们开始关注图相似性问题。主流的解决图相似性问题的方法是基于图编辑距离方法。以EGED算法为例，该算法通过一系列的编辑操作(删除、插入、替换图中的点或边)来度量两个图的相似性。EGED算法适用于较为简单的图形匹配，对于较为复杂的图形，其复杂度与涉及到的两个图的节点数目呈指数关系，当节点超过一定数量时，其编辑距离的计算将变得越来越困难。

基于图编辑距离的相似性度量方法就是通过计算将一个图转化为另一个图片所需要的变形的数量和强度来评价图结构的相似性。它能适应任意结构化图而不受节点和边沿标签字母的限制。除了图编辑距离非常灵活之外，编辑距离的理念可以通过确定编辑操作的低价而适应于特定的应用。概言之，基于图编辑距离的相似性度量方法将评价图结构相似性的问题转化为找出图间最低成本编辑路径的问题。

举例说明：图1展示了基于编辑距离来判断图(a)和图(d)的相似度，为了把图(a)转化成图(d)，先把图(a)中节点A和节点B之间的单向边改为双向边，形成图(b)；然后插入节点C，形成图(c)；最后在节点C和节点D之间插入单向边，形成图(d)。在整个转化过程中，共进行了3次编辑操作，依次是更改边标签、插入一个独立节点和插入一条边，假设每次编辑操作的代价是都是相同的，设为1，那么图(a)和图(d)之间的编辑距离就是3。如果事先设定的编辑距离的阈值是4，因为34，所以可以认为图(a)和图(d)是相似的；如果事先设定的编辑距离的阈值是2，因为32，所以该方法认为图(a)和图(d)是不相似的。

基于图编辑距离来判断图的相似性，是通过计算由一个图转化成另一个图的所需的编辑操作的最小代价来实现。现有相关算法都需要对图的编辑操作定义代价函数，代价函数定义的不同会导致相同的编辑操作得出不同的编辑距离。如何定义合理的代价函数显得至关重要。然而，至今没有通用的定义代价函数的方法。另外，基于图编辑距离算法在计算由一个图转化成另一个图的过程中，需要对图中每一个节点与另一个节点进行比较，找到节点和边的对应关系才能进行编辑操作。当节点数目较少时，该方法是可行的，但是随着两图中节点数目的增长，该算法的时间复杂度将呈指数级增长，不适用节点数目较多的图。

发明内容

为了解决现有技术中存在的缺陷，本发明提出一种基于主观逻辑和前馈神经网络的相似有向子图搜索方法及系统，其时间复杂度小于随节点指数级增加的计算复杂度。

为解决上述技术问题，本发明采用以下的技术方案：

本发明提出一种基于主观逻辑和前馈神经网络的相似有向子图搜索方法，包含以下步骤：

步骤1，利用同构节点搜索算法构建同构节点集；

步骤2，基于前馈神经网络的主观逻辑意见初始化；

步骤3，在同构节点的基础上，采用贪心算法扩大同构子图的规模，利用主观逻辑计算子图相似性，最终求得若干最大相似子图。