[发明专利]一种图数据的分区方法、装置以及设备

权利要求书

1.一种图数据的分区方法，包括：

获取待处理的图数据；

对所述待处理的图数据的节点数据进行打散处理，获得所述待处理的图数据的第一分区结果；具体包括：获取所述待处理的图数据的节点数据和边数据；根据预设分区数，建立与所述预设分区数对应的矩阵；基于所述边数据及所述矩阵，对所述待处理的图数据中边的源节点和/或目标节点进行哈希，获得所述待处理的图数据的第一分区结果；

基于所述第一分区结果，对所述第一分区结果中对应的各个节点进行聚类分析，获得所述待处理的图数据的第二分区结果，以使所述第二分区结果中相邻连通图的顶点数据和/或边数据存储在同一个分区中，所述第二分区结果为所述待处理的图数据的最终分区结果；

所述图数据包括网页链接关系数据，所述节点数据包括网页数据，所述边数据包括所述网页之间的超链接关系数据；

和或，所述图数据包括社交网络数据，所述节点数据包括用户数据，所述边数据包括所述用户之间建立的关系数据；

和/或，所述图数据包括商品推荐数据，所述节点数据包括个人和商品数据，所述边数据包括购买和/或收藏数据；

基于所述最终分区结果存储所述图数据。

2.如权利要求1所述的分区方法，所述获取待处理的图数据，进一步包括：

对所述待处理的图数据进行预处理，获得预处理的图数据，其中，所述预处理包括设置所述待处理的图数据的节点数，和/或所述待处理的图数据的最大迭代次数，和/或所述待处理的图数据的预设分区数。

3.如权利要求1或2所述的分区方法，所述对所述待处理的图数据的节点数据进行打散处理，获得所述待处理的图数据的第一分区结果，具体包括：

采用边-二维分区方法对所述待处理的图数据进行分区，以使所待处理的图数据的顶点数据打散，获得所述待处理的图数据的第一分区结果。

4.如权利要求1所述的分区方法，所述基于所述第一分区结果，对所述第一分区结果中对应的各个节点进行聚类分析，获得所述待处理的图数据的第二分区结果，具体包括：

基于所述第一分区结果，采用LPA算法对所述第一分区结果中对应的各个节点进行聚类分析，获得所述待处理的图数据的第二分区结果。

5.如权利要求4所述的方法，所述基于所述第一分区结果，采用LPA算法对所述第一分区结果中对应的各个节点进行聚类分析，获得所述待处理的图数据的第二分区结果，具体包括：

基于LPA算法，获得所述第一分区结果中各个节点所属于的节点类型；

基于所述节点类型和/或所述预设分区数，对各个节点进行合并和/或拆解，获得所述待处理数据的第二分区结果。

6.如权利要求5所述的分区方法，所述基于所述节点类型和/或所述预设分区数，对各个节点进行合并和/或拆解，具体包括：

若所述第一分区结果中，属于同一节点类型的节点的数量小于或者等于预设节点阈值和/或所述第一分区结果的分区数大于预设分区数，则对不同节点类型的节点进行合并存储；

若所述第一分区结果中，属于同一节点类型的节点的数量大于预设节点阈值和/或所述第一分区结果的分区数小于预设分区数，则对属于同一节点类型的节点进行拆解存储。

7.如权利要求5所述的分区方法，所述LPA算法包括：

将当前节点数据对应的节点类型的分值取最大值，将分值最大值对应的节点类型作为当前节点数据的节点类型。

8.如权利要求5所述的分区方法，所述LPA算法，具体流程为：

以所述第一分区结果中，各个节点类型作为边权重，并设置节点类型分值；

按照所述边权重传播所述节点类型分值，并更新当前节点数据的类型；

当迭代次数达到预设最大迭代次数和/或更新得到的节点数量达到预设节点阈值时，获得的节点数据的类型作为所述第一分区结果中各个节点数据的类型。