[发明专利]一种基于张量计算的社交网络图摘要的生成方法

权利要求书

1.一种基于张量计算的社交网络图摘要的生成方法，其特征在于，该方法包括以下步骤：

S1.将目标时间段内的社交网络图进行张量化表示，得到目标布尔张量T_G；其中，述社交网络图是动态无向无权图，与时间戳一一对应；

S2.对目标布尔张量T_G进行张量分解，得到分解后的节点矩阵N₁，N₂；

S3.对节点矩阵N₁或N₂进行聚类，得到聚类簇中心和每个节点所属类型；

S4.将簇中心视作图摘要的超点，计算超点之间的超边权值，得到该社交网络图的图摘要；

其中，步骤S2包括以下步骤：

S21.将旧布尔张量T_old与目标布尔张量T_G合并为布尔张量T_all，布尔张量T_all最后一阶为时间维，所述旧布尔张量T_old为前一时间段内的社交网络图的张量化表示；

S22.对布尔张量T_all进行有偏采样，生成k个子张量sT_i；

S23.对每个子张量sT_i进行并行分布式布尔CP分解，计算得到每个子张量的分解因子矩阵

S24.将子张量sT_i的布尔分解矩阵与旧布尔张量T_old的布尔分解矩阵进行合并，得到新布尔张量T_all的布尔CP分解结果

其中，1≤i≤k，1≤j≤h。

2.如权利要求1所述的方法，其特征在于，所述步骤S22包括以下步骤：

S221.对h阶旧布尔张量T_old的每个阶进行求和，得到

S222.将除以T_old中非零元素个数，计算得到各阶索引的采样概率

S223.根据设定的采样因子计算T_old各阶采样索引的大小L_j；

S224.按照采样概率对T_old的第j阶索引进行L_j次采样，得到样本索引集合

S225.将采样索引集合与目标布尔张量T_G的索引集合进行合并，得到{V₁，V₂，...，V_h∪{V_new}}，其中，V_new表示T_G的时间维度索引；

S226.根据索引集合{V₁，V₂，...，V_h∪{V_new}}，得到一个采样子张量；

S227.重复步骤S221～S226，直至生成k个子张量。

3.如权利要求1所述的方法，其特征在于，所述步骤S23包括以下步骤：

S231.将子张量sT_i的因子矩阵进行Y次初始化，每次初始化为非零项概率为p的布尔矩阵，取其中还原误差最小的因子矩阵作为最终初始化矩阵；

S232.进行h次迭代，每次迭代过程中，固定其中(h-1)个因子矩阵，优化剩下的因子矩阵，使得整体还原误差最小，完成一轮迭代；

S233.重复步骤232，直至满足迭代轮数达到k或者迭代误差小于e，返回布尔因子矩阵

4.如权利要求1所述的方法，其特征在于，步骤S24包括以下步骤：

S241.将子张量sT₁的布尔分解矩阵与旧布尔张量T_old的布尔分解矩阵进行合并，得到布尔分解矩阵集合

S242.将子张量sT₂的布尔分解矩阵与布尔分解矩阵集合对应矩阵进行合并，依此类推，直至子张量sT_k的布尔分解矩阵与布尔分解矩阵集合对应矩阵进行合并，得到新张量T_all的布尔CP分解矩阵