[发明专利]家庭社交网络构建方法、装置、设备及存储介质

权利要求书

1.一种家庭社交网络构建方法，其特征在于，所述方法包括：

获取初始社区网络图，所述初始社区网络图的节点为目标用户，边为关联的用户对，边权重为所述用户对存在家庭关系的概率；

针对所述初始社区网络图中的每个第一节点，判断将任一第一节点加入所述任一第一节点的邻居社区后，所述邻居社区中节点数量是否大于预设节点数量；

若将所述任一第一节点加入所述邻居社区后，所述邻居社区中节点数量大于预设节点数量，则对所述任一第一节点进行剪枝，获得剪枝社区网络图；

针对所述剪枝社区网络图中的每个第二节点，根据最大模块度非重叠社区发现算法，对所述剪枝社区网络图进行重构，获得重构社区网络图；

根据所述重构社区网络图，获得包括多个所述目标用户的社区集合；所述判断将任一第一节点加入所述任一第一节点的邻居社区后，所述邻居社区中节点数量是否大于预设节点数量的步骤之后，所述方法还包括：

若将所述任一第一节点加入所述邻居社区后，所述邻居社区中节点数量不大于预设节点数量，则判断任一第一节点与所述邻居社区内各个节点建立的边的数量是否小于预设边数量，所述预设边数量为所述预设节点数量的预设比例；

若所述任一第一节点与所述邻居社区内各个节点建立的边的数量小于所述预设边数量，则对所述任一第一节点进行剪枝，获得第一剪枝社区网络图；

若所述任一第一节点与所述邻居社区内各个节点建立的边的数量不小于所述预设边数量，则将所述任一第一节点保留在所述任一第一节点当前所属的社区内，获得第二剪枝社区网络图；

所述针对所述剪枝社区网络图中的每个第二节点，根据最大模块度非重叠社区发现算法，对所述剪枝社区网络图进行重构，获得重构社区网络图的步骤，具体包括：

针对所述剪枝社区网络图中的每个第二节点，根据所述最大模块度非重叠社区发现算法，获得将所述第二节点加入邻居社区的模块度增益；

根据所述模块度增益的最大值，对所述剪枝社区网络图进行重构，获得重构社区网络图；

根据所述重构社区网络图，返回执行所述针对所述初始社区网络图中的每个第一节点，判断将任一第一节点加入所述任一第一节点的邻居社区后，所述邻居社区中节点数量是否大于预设节点数量的步骤，循环直到所有节点不再变化，获得最终的重构社区网络图。

2.如权利要求1所述的家庭社交网络构建方法，其特征在于，所述根据所述模块度增益的最大值，对所述剪枝社区网络图进行重构，获得重构社区网络图的步骤，具体包括：

对比所述模块度增益，获得所述模块度增益的最大值；

判断所述模块度增益的最大值是否大于零；

若所述模块度增益的最大值大于零，则将所述第二节点加入所述模块度增益的最大值对应的邻居社区；

若所述模块度增益的最大值不大于零，则将所述第二节点保留在所述第二节点当前所属的社区内；

获得重构社区网络图。

3.如权利要求1所述的家庭社交网络构建方法，其特征在于，所述获取初始社区网络图的步骤之前，所述方法还包括：

获取用户大数据，所述用户大数据包括用户的业务数据、通话数据和位置数据；

根据所述用户大数据确定目标用户，获得所述目标用户的用户数据；

根据所述用户数据和训练获得的家庭关系判别模型，获得用户对及其存在家庭关系的概率；

所述获取初始社区网络图的步骤，具体包括：

根据所述用户对及其存在家庭关系的概率，构建用户网络图；

对所述用户网络图进行初始化社区划分，获得初始社区网络图。

4.如权利要求3所述的家庭社交网络构建方法，其特征在于，所述根据所述用户大数据确定目标用户，获得所述目标用户的用户数据的步骤之后，所述方法还包括：

对所述用户数据进行特征提取，获得特征数据；

对所述特征数据进行预处理，获得预处理后的特征数据，所述预处理包括缺失值填充和数据归一化；

根据各个特征的IV值和相关系数，对所述预处理后的特征数据进行特征筛选，获得有效特征数据；

所述根据所述用户数据和训练获得的家庭关系判别模型，获得用户对及其存在家庭关系的概率的步骤，具体包括：

将所述有效特征数据输入训练获得的家庭关系判别模型，获得用户对及其存在家庭关系的概率。