[发明专利]一种基于图挖掘的社交网络组队方法

说明书

技术领域

本发明涉及一种社交网络组队方法，主要利用图挖掘从全局角度求解最佳组队方式下的队员，属于计算机技术、信息技术、数据挖掘技术交叉技术应用领域。

背景技术

社交网络，是由社会行动者、二元关系以及人们之间的社会互动组成的社会结构。社交网络视角提供了一组可用于分析整个社会实体结构的方法，并且提供了一系列理论用以说明从这些结构中观察到的模式。生活中最常见的也是最直观的社交网络，主要包括学术合作、人物关系、在线交友等应用等。

在社交网络中，个体之间的组队问题非常普遍。本发明采用最少优先算法，同时采用哈希存储优化求解过程，寻找最佳的组队方案。最少优先算法是一种优先处理最少的方法。目前，该算法主要应用在BT系统中文件块的选择策略方面，在本发明中，我们应用最少优先算法进行社交网络中组队问题的求解。哈希存储在数据查询中有着广泛的应用，是一种力图将数据元素的存储哈希位置与关键码之间建立确定对应关系的查找技术。哈希法存储的基本思想是由节点的关键码值决定节点的存储地址。本发明将会形成解决全局情况下社交网络中最佳组队方案，采用哈希存储，使问题的解决过程在时间和空间复杂度得到优化，并能求得精确解。本发明给出一种基于图挖掘的社交网络组队方法，该方法将社交网络中的人员定义为图模型，依据图半径的定义并结合最少优先算法，从全局角度求解社交网络中的最佳组队方案，并利用哈希存储优化求解过程。

发明内容

技术问题：本发明的目的是提供一种基于图挖掘的社交网络组队方法，解决社交网络中的组队问题，该问题是指给定一项需要某些技能才能完成的任务，以及具有不同技能的多位候选人，从候选人中选择部分人进行组队构成候选人子集，使得该队的总体技能不但能够达到完成任务的要求，同时保证该队中的队员之间能够高效地进行交流与工作。

技术方案：所述社交网络的组队问题描述如下：设给定一个任务T，该任务的完成需要一些技能，有n个候选人，将候选人集合定义为χ＝{1,2,…,n}，每个候选人个体i都具备技能集X_i。我们假定这些候选人组织在一个带权无向图G(χ,E)中，每个候选人看作一个节点，边的权值定义为候选人之间的交流代价，其中低权值表明两个候选人之间交流代价更小、更容易进行合作。我们的目标是从候选人集中寻找候选人子集进行组队，使得最终所组的队具备能够完成任务T的能力，而且队中人员能够高效地交流与合作。每一个组队方案是图G(χ,E)的一个子图，我们用子图中的交流代价来描述高效程度，交流代价用直径R进行表示，即子图中任意两节点之间距离的最大值。直径越小，则表明交流代价越小，该队的合作和工作效率也越高。

本发明所述的基于图挖掘的社交网络组队方法将社交网络中的组队问题定义成图模型、采用最少优先算法获得解空间及利用哈希存储优化求解过程。

本发明所述的基于图挖掘的社交网络组队方法包括以下步骤：

步骤1)根据用户输入的信息，构建社交网络组队问题的图模型G，所述图模型G在建立后，任意两个候选人之间的最短路都有相应的权值，表示两者的交流代价；

步骤2)使用最少优先算法，获得社交网络组队问题在图模型G上的解空间；

步骤3)利用哈希存储优化求解过程，采用哈希表存储相关技能集。

其中

所述的步骤1)具体如下：

步骤11)用户输入任务完成所需的技能集、候选人集及每个候选人具有的技能集，其中用户输入的技能集记为T＝{a₁,a₂,…,a_m}，候选人集记为χ＝{1,2,…,n}；所述m是任务完成需要的技能个数；a_j是第j个技能；n是候选人个数；T表示技能集，也表示所要完成的任务；a_j∈T表示a_j是完成任务T的技能；

步骤12)将所有候选人作为图模型G中的节点，代表候选人i称为节点i，所述i∈χ；

步骤13)将候选人i和i′间的路径看作图模型G中节点i和节点i′之间的弧，候选人之间的交流代价作为节点i和节点i′之间弧的权值。所述d(i,i′)为图模型G中节点i到节点i′最短路的权值，且节点间的距离满足三角不等式，所述i'∈χ；所述三角不等式是指在三角形中，必然有两边之和大于第三边；