[发明专利]一种基于三角检测的图高度节点检测与分类方法

权利要求书

1.一种基于三角检测的图高度节点检测与分类方法，其特征在于，包括以下步骤：

步骤1、将社交网络、计算机网络的图数据抽象为由节点与邻边构成的单一网络图G；

步骤2、构建并初始化三角形节点标记集合T；

步骤3、对步骤1中网络图G的节点进行遍历操作，对当前遍历的节点v_i，根据其与父节点v_f及祖父节点v_p三者在G中的连接关系，判断三个节点是否构成三角形结构关联，如是则将三个节点均加入到步骤2中的三角形节点标记集合T中；

步骤4、遍历完成后，所有未标记的高度节点为Star节点，所有标记的高度节点为Pivot节点；

步骤5、对步骤4中所得到的两类高度节点，根据节点度大小进行排序，位于全局度的前5％的Pivot节点为汇聚结构；节点度大小高于全局平均度的Star节点为大型星型结构。

2.根据权利要求1所述的基于三角检测的图高度节点检测与分类方法，其特征在于，所述步骤1中，单一网络图为无属性且无方向的简单图，标记为G＝(V,E)，其中V＝{v₁,v₂,…,v_n}表示节点集合，E＝{e₁,e₂,…,e_m}表示边集合，对于任意e＝(v_i,v_j)表示节点v_i与v_j之间存在关联。

3.根据权利要求1所述的基于三角检测的图高度节点检测与分类方法，其特征在于，所述步骤3中，基于深度优先策略对节点进行遍历，并且在遍历过程中同时记录当前遍历节点的父节点v_f和祖父节点v_p，从而根据网络图G中是否存在关于三者两两关联的边来判断三个节点是否组成三角形结构，具体步骤为：

步骤3.1、初始化遍历标记集SEEN；

步骤3.2、对网络图G中所有节点进行遍历，对于每一次遍历到的节点v_i，如果该节点不属于步骤3.1的SEEN集合，则初始化当前节点的父节点v_f与祖父节点v_p为空并执行步骤3.3，否则不进行操作；

步骤3.3、将当前遍历节点v_i加入至SEEN集合中；

步骤3.4、对网络图G中v_i的所有邻居节点进行遍历，对每一个遍历的邻居节点c_j，有如下三种处理方式：

1)如果c_j＝v_p，或在G中满足e＝(v_f,c_j)∈E，则表明G中存有如下连边关系：

e＝(v_i,c_j)∈E

e＝(v_f,c_j)∈E

e＝(v_i,v_f)∈E

由此，v_i、v_f以及c_j三个节点构成三角形结构关系，将三者均加入至步骤2的三角形节点标记集合T中；

2)如果c_j＝v_f，或在G中则不做任何操作；

3)如不满足以上两种情况，令v_i＝c_j，v_f＝v_i，v_p＝v_f，回到步骤3.3迭代执行。

4.根据权利要求1所述的基于三角检测的图高度节点检测与分类方法，其特征在于，所述步骤5中，对于Super Pivot节点集P_c，度大小阈值为全局度的前5％，记该阈值对应的度大小为μ，则对于任意x属于P_c，x的邻居数大于等于μ，其中Γ(x)表示节点x在G中的一步邻居节点集合，|Γ(x)|表示Γ(x)的规模大小；对于Huge Star节点集S_c，度大小阈值为G中所有节点的平均度，记该平均度大小为ε，则对于任意x属于S_c，x的邻居个数大于等于ε。