[发明专利]基于图结构匹配的社交网络分析方法

说明书

本发明涉及社交网络分析方法。本发明提供一种基于图结构匹配的社交网络分析方法，首先，用户构建模式图Q，选择待分析的图数据，并发出模式图Q的匹配查询请求；其次，系统采用十字链表作为待分析的图数据的基础数据结构，并对十字链表结构的图数据G进行数据管理操作；然后，系统将模式图Q的匹配查询请求发送至十字链表结构的图数据G的各个数据站点，数据站点计为(S₁,S₂...S_m)；再然后，系统对各数据站点并行执行本地计算，计算出匹配结果；最后，系统对匹配结果进行排序显示。适用于基于图结构匹配的社交网络分析。

技术领域

本发明涉及社交网络分析方法，特别涉及基于图结构匹配的社交网络分析方法。

背景技术

近年来，互联网的持续快速发展，社交网络等新兴信息模式的迅猛发展，对个人和社会群体的行为产生了深远影响。以Facebook为例，我们发现其：(1)用户规模大，全球注册用户超8.5亿，用户间联系逾千亿；(2)使用频繁，超过一半的用户每天登陆Facebook，所有用户每月在线时间达7000亿分钟；(3)商业价值高，是排名第一的广告发布接受网站，每天有超过10亿条包括视频、照片、新闻等信息在用户间分享。

庞大的社交网络为人们提供了丰富的信息，然而如何快速有效地发现社交网络海量信息背后所蕴含的知识，是亟待人们解决的问题。

由于社交网络可以抽象为图结构——用户可被视为图的顶点，用户之间的关系可被看作图的边，因此，基于图结构匹配的分析技术已成为社交网络分析的主要技术之一，并且已经和正在帮助人们进行专家推荐、社交圈子识别，社会位置分析等。简言之，图结构匹配是在一个大图G中查询与给定模式图Q匹配的子图(可形式化描述为Q(G))。然而，由于社交网络图数据“海量”及“非结构化”的特点，通过传统技术对社交网络“大数据”进行分析已难以满足人们的迫切需要。具体原因表现在：(1)图结构匹配兼顾数据和拓扑结构，从而导致对该问题的运算往往较为复杂，例如：基于子图同构的图结构匹配属于一类极难解决的问题——NP完全问题；(2)社交网络的数据往往是分布式存储的。例如：Twitter社交图的FlockDB，Yahoo！互联网应用的PNUTS，开源社区的Neo4j和HypergraphDB等。另一方面，图结构匹配经常需要访问多个数据节点，例如：访问多个数据站点以取得匹配计算所需要的全部信息。因此，在分布式环境下，图结构匹配的求值更加困难；(3)现实世界的社交网络是不断变化的。在一周内有10％的节点及节点关系更新是常见的情况。当更新出现的时候，昂贵的查询需要被重新计算。这样的计算在面对频繁的请求时往往是无法进行的。(4)可视化管理工具的缺失。与关键词搜索和结构化查询不同，图结构匹配查询条件(如模式图Q)的描述更加复杂，且对结果的理解也需要更加直观的方式。

发明内容

本发明所要解决的技术问题，就是提供一种基于图结构匹配的社交网络分析方法以实现高效、便捷的数据分析与维护，进而为专家推荐、社交圈子识别，社会位置分析等热点应用提供关键技术支撑。

本发明解决所述技术问题，采用的技术方案是，基于图结构匹配的社交网络分析方法，包括以下步骤：

步骤1、用户通过系统构建模式图Q，选择待分析的图数据，并发出模式图Q的匹配查询请求；

步骤2、系统采用十字链表作为待分析的图数据的基础数据结构，并对十字链表结构的图数据G进行数据管理操作；

步骤3、系统将模式图Q的匹配查询请求发送至十字链表结构的图数据G的各个数据站点，数据站点计为(S₁,S₂...S_m)；我们将数据量很大的图数据G分割成很多个子图，并存放在不同的网络站点中，数据站点是指各个子图所在的网络站点。