[发明专利]一种异构网络可交互可视化方法在审
申请号: | 201410327034.1 | 申请日: | 2014-07-10 |
公开(公告)号: | CN104090957A | 公开(公告)日: | 2014-10-08 |
发明(设计)人: | 时磊;赵月;林闯 | 申请(专利权)人: | 中国科学院软件研究所;清华大学 |
主分类号: | G06F17/30 | 分类号: | G06F17/30 |
代理公司: | 北京君尚知识产权代理事务所(普通合伙) 11200 | 代理人: | 冯艺东 |
地址: | 100190 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 网络 交互 可视化 方法 | ||
1.一种异构网络可交互可视化方法,其步骤为:
1)对待处理异构网络中的节点按照选取或设定的节点属性的取值进行聚类,并生成相应的聚类网络可视化图;
2)选取步骤1)的若干聚类结果,并对所选聚类结果中的每一节点,根据该异构网络的拓扑结构计算该节点的邻居节点集合;然后按照选取或设定的邻居节点集合节点属性值对所选聚类结果中的每一节点进行聚类;得到的聚类结果中,位于同一聚类中的节点具有节点属性值相同且在异构网络中的拓扑位置相似;然后将此次聚类结果生成聚类可视化图并将其作为步骤1)聚类网络可视化图的下一级可视图;
3)选取步骤2)的若干聚类结果,并对所选聚类结果中的每一节点,根据其邻居节点集合进行聚类,将具有相同邻居节点集合的节点划分到同一聚类中;得到的聚类结果中,位于同一聚类中的节点具有节点属性值相同且在异构网络中的拓扑位置相同;然后将此次聚类结果生成聚类可视化图并将其作为步骤2)所生成聚类网络可视化图的下一级可视图。
2.如权利要求1所述的方法,其特征在于所述异构网络为有向异构网络G=(V,E);其中,V={v1,...,vn}表示网络节点集合,E={e1,...,em}表示网络边集合;异构网络的邻接矩阵为W,其中的元素wij代表连接节点vi到节点vj的边;对于每个节点vi,N+(vi)={vj|wij=1}代表节点vi的出向邻居节点集合,N-(vi)={vj|wji=1}为节点vi的入向邻居节点集合。
3.如权利要求1或2所述的方法,其特征在于所述步骤2)或步骤3)中的聚类方法为:
31)将节点vi的邻居节点集合表示为一个邻居向量R(vi)={ci1,...,cit,c1i,...,cti};其中,cit为节点vi的第t个出向邻居节点,cti为节点vi的第t个入向邻居节点;
32)对于所有需要划分的网络节点,按照其邻居节点集合的向量计算两两节点之间的节点近似度距离;
33)根据计算出的节点间相似度距离及期望聚类数目,将节点划分为k个聚类。
4.如权利要求1所述的方法,其特征在于将每一节点采用一统一行向量表示;所述统一行向量包括:节点属性信息及取值、节点的邻居信息及邻居属性取值;每次聚类时计算节点的统一行向量的哈希值,将哈希值相同的节点划分为同一聚类;其中,进行步骤1)的聚类时,节点的统一行向量包含节点属性信息及取值,其他取值为空;进行步骤2)的聚类时,节点的统一行向量包含节点属性信息及取值、节点的邻居属性取值;步骤3)的聚类时,节点的统一行向量包含节点属性信息及取值、节点的邻居信息。
5.如权利要求1所述的方法,其特征在于将待处理的该异构网络生成可视化图作为第一级可视图,步骤1)所生成的聚类网络可视化图为该第一级可视图的下一级可视图;将步骤3)每一聚类结果中的节点生成一可视化图并将其作为步骤3)所生成聚类网络可视化图的下一级可视图,即最小粒度可视图。
6.如权利要求1所述的方法,其特征在于根据选取或设定的进行聚类的属性值不同,在同一级可视化图内包含一种或多种粒度的下一级可视化图。
7.如权利要求1所述的方法,其特征在于在每一聚类之间的连接关系上标记该聚类间关系所包含的原始异构网络节点间关系的总数作为该聚类间连接关系的连接强度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院软件研究所;清华大学,未经中国科学院软件研究所;清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201410327034.1/1.html,转载请声明来源钻瓜专利网。