[发明专利]顶点对社区的分配方法、装置以及终端

说明书

本发明实施例提出一种顶点对社区的分配方法、装置和终端，所述方法包括：多个顶点分配至多个社区，得到多个分配序列，每个分配序列中包括多个顶点，以及与各顶点对应的顶点位置；选择一顶点位置作为目标位置，在各分配序列中，比较目标位置对应的目标顶点与剩余顶点，得到各分配序列对应的多个顶点相似度；根据多个顶点相似度确定分配策略；根据多个顶点分配至多个社区的随机分配概率值和分配策略得到分配策略的概率。最终顶点分配到各个社区能够更快更好的收敛到最优解。

技术领域

本发明涉及数据分析技术领域，尤其涉及一种顶点对社区的分配方法、装置以及终端。

背景技术

人是群居性动物，物体也有类别之分，人以群分，物以类聚，群体的情况可以认为是社区的分布，顶点即表示单个人或者物，为了使物体和人最优的发现群体的信息，可以采用分配奖励机制。强化学习分配策略一般采用马可夫决策过程(Markov DecisionProcess，MDP)作为思想基础，马尔可夫决策过程是指根据每个时刻观察到的状态，从可用的行动集合中选用一个行动作出决策，系统下一步(未来)的状态是随机的，并且其状态转移概率具有马尔可夫性。决策者根据新观察到的状态，再作新的决策，依此反复地进行用来描述各个不同状态下执行各个不同行为的概率。分配策略能使顶点到社区的分配跳出局部解，尽可能的达到全局解，其中核心是策略过程，策略过程决定了顶点到社区分配的概率，优化其分配概率即能优化学习分配的过程。传统的学习策略是随机分配策略，随机分配概率值ε是在一个范围内变化，初始情况随机分配概率值ε比较大，顶点分配到社区的随机性比较高，在随后的过程中随机分配概率值ε变小，稳定到确定的顶点对社区的分布，导致并不能很好的收敛到最优解。

发明内容

本发明实施例提供一种顶点对社区的分配方法、装置和终端，以解决现有技术中的至少一个或多个技术问题。

第一方面，本发明实施例提供了一种顶点对社区的分配方法，包括：

多个顶点分配至多个社区，得到多个分配序列，每个所述分配序列中包括多个所述顶点，以及与各所述顶点对应的顶点位置；

选择一顶点位置作为目标位置，在各所述分配序列中，比较所述目标位置对应的目标顶点与剩余顶点，得到各所述分配序列对应的多个顶点相似度；

根据多个所述顶点相似度确定分配策略；

根据多个顶点分配至多个社区的随机分配概率值和分配策略得到分配策略的概率。

在一种实施方式中，多个顶点分配至多个社区，得到多个分配序列集合，包括：

N个顶点分配至K个社区，得到i个分配序列，N个顶点包括x₁、x₂……x_N，i个分配序列包括：其中，N≥1，K≥1，i≥1，N＞K。

在一种实施方式中，选择一顶点位置作为目标位置，在各所述分配序列中，比较所述目标位置对应的目标顶点与剩余顶点，得到各所述分配序列对应的多个顶点相似度，包括：

选择一顶点位置作为目标位置g；

在分配序列X_i中，比较目标位置g对应的目标顶点与剩余顶点，得到的顶点相似度为其中，i个分配序列对应的i个顶点相似度包括：Y₁，Y₂...Y_i。

在一种实施方式中，根据多个所述顶点相似度确定分配策略，包括：

当大于或等于预设阈值的顶点相似度有多个时，其中，所述预设阈值为i为奇数，分配策略X'_i是i个分配序列中对应的目标顶点相同。

在一种实施方式中，根据多个所述顶点相似度确定分配策略，包括：