[发明专利]一种数据处理方法及设备

说明书

本发明公开了一种数据处理方法及设备，所述方法包括：获取表征节点之间具有第一关联关系的第一社交网络模型；将所述第一社交网络模型按预设表示方式表示为第一邻接矩阵；将所述第一社交网络模型中分别与第一节点具有直接关联关系的任意两个节点记为具有直接关联关系而生成第二邻接矩阵；获取所述第二邻接矩阵中具有直接关联关系的任意两个节点的结构相似度和特征属性的相似度；基于所述结构相似度和特征属性的相似度确定融合相似度，对确定的融合相似度进行筛选，基于筛选后的融合相似度生成第三邻接矩阵；基于所述第三邻接矩阵生成表征节点之间第二关联关系的第二社交网络模型。

技术领域

本发明涉及数据处理技术，尤其涉及一种数据处理方法及设备。

背景技术

随着社交网络的兴起产生了越来越多的用户数据，分析社交网络中的用户数据也成为日渐热门的一个话题；社交网络中用户与用户之间相互联系形成网络，并用网络图的方式表达网络结构，在网络图中可用节点表示用户，节点之间的连边表示用户之间的好友关系；传统的基于社交网络模型的研究课题包括社区发现、链路预测和图表征等。

现有技术中，通过计算社交网络模型中，基于对结构相似度和特征属性的相似度采用线性平均的方式进行计算生成重构的社交网络模型。但是，在现实社交网络中如果两个用户生活在不同的用户社区中，而社区本身也具有较大的差异性，那么即使这两个用户的特征属性非常高，对于社交网络来说也没有意义，即用户间关系链的强度和特征属性的相似度应满足非线性的关系；因此，现有技术中基于对结构相似度和特征属性的相似度采用线性平均的方式进行计算生成重构的社交网络模型对于社交网络模型的研究并没有实际意义。

发明内容

有鉴于此，本发明实施例为解决现有技术中存在的问题而提供一种数据处理方法及设备。

本发明实施例提供一种数据处理方法，所述方法包括：

获取表征节点之间具有第一关联关系的第一社交网络模型；

将所述第一社交网络模型按预设表示方式表示为第一邻接矩阵；其中，所述第一邻接矩阵表示节点之间的直接关联关系；

将所述第一社交网络模型中分别与第一节点具有直接关联关系的任意两个节点记为具有直接关联关系而生成第二邻接矩阵；所述第一节点为所述第一社交网络模型中的任一节点；

获取所述第二邻接矩阵中具有直接关联关系的任意两个节点在所述第一邻接矩阵中的结构相似度；

获取所述第二邻接矩阵中具有直接关联关系的任意两个节点的特征属性的相似度；

基于所述任意两个节点的结构相似度和特征属性的相似度确定融合相似度，对确定的融合相似度按照预设要求进行筛选，基于满足预设要求的融合相似度生成第三邻接矩阵；

基于所述第三邻接矩阵生成表征节点之间第二关联关系的第二社交网络模型。

上述方案中，所述将所述第一社交网络模型按预设表示方式表示为第一邻接矩阵，包括：

遍历所述第一社交网络模型中的节点，将具有直接关联关系的任意两个节点对应的元素值置为1，将不具有直接关联关系的任意两个节点对应的元素值置为0，生成第一邻接矩阵。

上述方案中，所述将所述第一社交网络模型中分别与第一节点具有直接关联关系的任意两个节点记为具有直接关联关系而生成第二邻接矩阵，包括：

遍历所述第一社交网络模型中的节点，将分别与第一节点具有直接关联关系的任意两个节点对应的元素值为置为1，生成第二邻接矩阵。

上述方案中，所述获取所述第二邻接矩阵中具有直接关联关系的任意两个节点在所述第一邻接矩阵中的结构相似度，包括：