[发明专利]一种面向流网络的角色划分系统及其工作方法、介质

说明书

本发明涉及一种角色划分系统及其工作方法、介质，包括数据采集模块、有向加权网络获取模块、嵌入模块及聚类模块；数据采集模块用于获取转账数据；有向加权网络获取模块用于将转账数据表示成有向加权网络；嵌入模块用于首先为每一个节点抽取两张无向子图，然后采用GraphWave算法结构性嵌入，最后整合结构性嵌入和节点的出入流量差得到节点嵌入；聚类模块用改进的自组织映射神经网络对上一步得到的节点嵌入进行聚类，得到节点的角色划分。本发明能快速地发现一个经济组织的角色组成，结合经验找到可能是高级成员的角色。

技术领域

本发明涉及一种角色划分系统及其工作方法、介质，尤其涉及一种面向流网络的角色划分系统及其工作方法。

背景技术

网络中，每个节点都有自己的角色。同样的角色有相似的行为、功能、作用。例如企业网络，角色可以是经理，组长，普通员工。角色有助于研究一个组织或系统的关键节点，分析层级结构，也能为多个网络间的比较提供参考信息。

对一个经济组织进行银行卡号的角色划分有利于了解其组织结构，有利于快速找到高级成员，核心成员，而且由于只需要银行数据，不会引起被调查组织的注意。这在调查疑似非法经济组织比如传销组织时十分有用。

目前没有公开的对银行卡号进行角色划分的方法，然而，由于转账数据可以表示为流网络，角色划分也可以表示为对流网络的节点角色划分。流网络是一种特殊的有向加权网络，其边表示能量，物质，货币，信息等的流动，边的权重表示流量。我们关注的流网络是非平衡的流网络，指节点的入流量未必等于出流量。这在现实世界中很常见，例如企业内的资金流网络。在相近的问题上国内外提出了一些方法。但是由于这些方法只能划分出预定义的三、四类典型角色，或者忽略网络的方向和权重，它们在有向加权的转账网络上效果不好。

处理近似问题的方法具体如下：

唐诗琦等人提出了一种角色发现算法，实质上也就是节点嵌入算法，利用节点的度中心性，特征向量，特征值去构建特征矩阵，然后使用非负矩阵分解，处理的对象是一般的网络。

李婉钰提出了一种角色发现算法，受物理学场和势的概念的启发，在网络中提出了拓扑势的概念，并针对有向加权网络，提出了出拓扑势和入拓扑势，不过，出(入)拓扑势只是影响力求和，对网络结构不敏感，该算法只能分出四种典型角色或者介于四种角色之间的模糊角色。这样的角色和本文研究的角色字面相同而实质差异巨大。

郑昆仑提出了一种角色分析算法，该算法根据节点的一些属性(度中心性、介数、PageRank排名)寻找重要节点，然后删除重要节点，再删除只受影响的节点，然后在剩下的网络中继续这一过程，总体上是通过不断地拆解网络来找到重要节点，该算法没有考虑边的权重，不适用于加权网络。

钟晓宇提出了一种角色划分方法，和前述的李婉钰的方法类似，该方法只能分出三种典型角色。

节点嵌入(表示学习)是角色划分的重要步骤，目前在国外已经有各种节点嵌入方法被提出。RolX，struc2vec和GraphWave是基于结构性角色的表示学习方法，结构性角色相似的点得到靠近的向量。RolX使用ReFeX算法提取特征矩阵，再使用非负矩阵分解，得到嵌入向量。struc2vec根据节点的结构相似性重构网络，用强边连接两个相似的点，在新的网络上用DeepWalk获得节点的向量表示。struc2vec仅关注拓扑结构，忽略边和点的属性。GraphWave使用扩散小波处理拉普拉斯矩阵，将小波系数作为概率分布处理，GraphWave在无向网络上有很好的表现，而且能考虑边的权重。RolX，struc2ve和GraphWave都只能处理无向图。DEG是有向图上的表示学习方法，LINE，node2vec既可以用于无向图也可以用于有向图，但它们依据的是亲密度而不是相似度。Graph2Gauss利用网络结构和节点参数嵌入节点，但其所说的网络结构仅仅指距离，这样距离近的节点更可能得到相近的嵌入向量，所以Graph2Gauss和角色无关。目前，尚没有一种方法面向流网络计算网络的节点嵌入(将节点表示成向量)，进而在向量空间中对节点嵌入进行聚类划分。从而实现流网络的节点角色划分。