[发明专利]一种应用于社交网络中的动态图匹配查询方法

说明书

本发明提出一种应用于社交网络中的动态图匹配查询方法。本发明为每个输入查询生成最优k(top‑k)个团队，供用户选择满足需求的团队。本发明将现有图匹配查询方法进行扩展并提出一种新的图匹配查询方法，使其能够表达出团队构建问题的实际需求，用于解决最优k个团队构建问题；基于应用中动态环境对于动态计算方法需求的日益增加，提出并研究动态的最优k个团队构建问题，处理伴有查询图和数据图连续更新的团队构建查询，并支持同时的或单独的查询图和数据图上的节点和边的插入和删除更新；提出统一的增量模型和优化方法，统一处理连续的查询图和数据图更新。

技术领域

本发明涉及一种图匹配查询方法，尤其涉及一种应用于社交网络中的动态图匹配查询方法。

背景技术

团队构建在数据挖掘领域被广泛研究与应用，其目标是在搜索一组满足团队技术需求的团队成员基础上，最小化团队成员之间的沟通成本。沟通成本的定义是该问题的关键研究点，比如定义为由团队成员构成的生成子图的直径，密度，最小生成树，斯坦纳树以及两两成员之间距离的总和。

现有技术中的图查询分为很多种类，如点查询、路径查询、图匹配查询等等，其中关于图匹配查询的研究工作近年来被相继提出。图匹配查询即给定一个查询模式图P和一个数据图G，在数据图G中查找满足查询图P中标签和拓扑结构约束的子图。尽管查询模式图P结构都一样，由于“匹配”语义的不同，图匹配查询形成了子图同构、图模拟以及其扩展强模拟等不同的图匹配查询语言。传统的图匹配查询是基于子图同构语义定义的，然而该语义是NP-完全问题，其查询效率较低，并且由于子图同构要求搜索数据图中与查询图具有完全相同的拓扑结构的子图，通常命中率很低，这些因素限制了子图同构的应用范围。随着应用中图数据库规模的不断扩大，需要找到一个高效率及高性能的查询算法。因此，最近相关研究试图通过减少或者减弱匹配的约束条件来提高图匹配查询的实用性。图模拟语义通过减弱查询图的结构约束条件，即将搜索与查询图结构完全相同的匹配图变为搜索只保持边的对应关系的匹配图，将问题的时间复杂度由NP-完全转化为多项式时间。由于图模拟极大程度减弱了匹配的约束条件，导致匹配图规模过大，且结果过于松散。为了保证匹配结果的准确性，各种图模拟的扩展语义相继被提出。强模拟在保证图模拟的匹配条件外，额外增加了结构匹配条件，从而有效的保证了图的拓补结构匹配，在时间复杂度和查询准确度两方面做了平衡。然而，这些现有技术远远不能满足不断出现的新兴应用下的查询需求。

增量技术由于其高效的处理性能特点被广泛应用于很多领域，在图匹配查询领域和团队构建领域也有很多的研究和应用。增量技术是指当输入数据有变化时，复用已有查询结果再结合输入数据变化部分增量处理得出输入数据变化后的查询结果，从而避免重新处理，提高系统处理的效率。

在现有技术中，团队构建问题以最小化所有团队成员之间的沟通成本为目标函数，忽略了特定团队成员之间的合作关系。在实际应用中构建团队时，往往不需要所有团队成员之间都有合作关系，而是需要拥有某些技能的团队成员之间可以紧密合作。另外，对于每种技能，需要至少有特定个数的成员拥有该项技能进而可以完成工作任务，并且要求成员个数不能多于某个数值，从而使得查询到的团队满足经费预算。图匹配查询语义具有多样性，需要根据具体应用需求设计合适准确的查询语义，而且在定义查询语言的过程中需要在其表达应用需求准确性和计算复杂度之间做出平衡。

在现有技术中，一个团队构建查询是在一个高度动态的环境下执行的，需要很多努力才能找到理想的团队，而且用户通常会多次完善查询信息来得到满足用户需求的查询结果。此外，现实生活中的社交网络数据图很大，并且随着时间的推移不断演变。然而，现有图匹配查询的增量技术仅考虑了数据图变化后的增量处理，而从未考虑输入查询图变化的增量处理技术。现有团队构建问题只考虑处理连续任务，每当团队构建需求的查询有变化时，需要重新处理更新后的查询在数据图中的查询结果，导致系统处理效率过低，根据用户输入查询得到满足用户需求团队的时间过长。

发明内容