[发明专利]基于时间跨度优化的短时社区搜索方法

说明书

本公开提供一种基于时间跨度优化的短时社区搜索方法，包括：获取用户的查询需求；查询需求包括：用来约束社区的子图拓扑结构特征，预设返回短时社区的数量和网络中需要的查询节点；根据查询需求计算网络中的全局时间跨度上限，获取最大子图；在最大子图的范围内找到查询节点所在的集合，获取查询节点的最小短时社区；将最小短时社区向外扩展且不超过最大子图，将满足条件的社区纳入短时社区集合；判断当前短时社区集合中社区的数量是否达到查询需求预设返回短时社区的数量：若是，则输出短时社区集合；若否，则继续将短时社区向外扩展，将满足条件的社区纳入短时社区集合再次进行判断。本公开可以有效解决推荐系统中对用户社区的时效性需求。

技术领域

本公开涉及社区搜索技术领域，特别涉及一种基于时间跨度优化的短时社区搜索方法。

背景技术

随着互联网的不断发展，用户规模也在逐年增加。近十几年来，越来越多的用户习惯于在网络上进行交友，浏览，购物等活动。由于互联网上数据量的不断增加，用户很难直接在庞大的数据中找到适合自己的内容。因此，如何结合海量数据挖掘用户行为是推荐技术中的重点研究问题之一。其中，用户社区推荐作为推荐技术中的关键任务，近年来在学术界和工业界也受到越来越多的关注。

在用户社区推荐方面，其目的是在网络中找到与查询用户相似成员所构成的社区。例如在短视频平台，用户常常会在平台中浏览喜爱的视频。尽管不同用户偏好不同，随着用户量的不断增加可以找到其他与之观看视频类别相类似的用户群体。由于这些用户往往具有一定程度的相似性，通过找到这部分用户群体，有助于发现用户兴趣爱好，引导用户加入到感兴趣的社区中。然而，尽管社区是社交网络的一个重要属性，但是社区这一概念尚无统一的形式化定义。通常，社区具有社区内节点连接较为紧密，社区间节点连接较为松散的特点。因此，如何挖掘社交网络图数据中的社区结构是近年来的研究热点。

研究者可以借助社区结构进行大量实际应用，例如社交网络中基于条件的社区发现，基于社区结构优化子图匹配，层次化社区发现以及利用网络上的时序属性进行社区搜索等。近几年中，网络图数据的时序性逐渐受到学者关注。在时序网络中，节点间的边具有时间属性，代表两个节点在某一或某些时刻(即时间戳)产生关联。在时序图中存在许多与时序性相关的社区搜索问题，例如在时序动物行为网络中寻找周期性出现的动物路线以探寻周期性的迁徙现象，或者在时序社交网络中找出在任意一个固定长度的子区间中都能满足拓扑约束的时序紧密型社区。

在推荐场景下的社区推荐往往具有时效性要求。通常情况下，用户兴趣可以分为长期兴趣和短期兴趣两类。长期兴趣是用户稳定的兴趣爱好，其特点是在较长时间段内用户的兴趣爱好不会发生变化。而短期兴趣往往由平台中的话题、活动等突发事件引起，用户对此的兴趣往往随着话题、活动的结束而快速消失。时效性对应用户的短时兴趣，通过找到近期内活跃的社区，平台既可以为用户提供共同讨论圈，又可以通过这些社区挖掘近期活跃内容。目前已有社区搜索算法尚未考虑到建模用户短期兴趣的社区结构，此时应用已有算法无法保证找到的社区满足时效性需求。大多数社区搜索算法返回的社区中，用户交互时间差异较大，因而不能用于解决推荐场景下的社区推荐问题。

针对上述在社区推荐中尚存的问题，本发明提出了基于时间跨度优化的短时社区搜索方法，通过分析时序社交网络用户交互的特点，提出了带有时间约束的社区结构并进一步提出了相应的社区搜索方法以返回具有时效性的社区。

发明内容

本公开实施例所要解决的一个技术问题是：提供一种基于时间跨度优化的短时社区搜索方法，通过分析时序社交网络用户交互的特点，提出了带有时间约束的社区结构并进一步提出了相应的社区搜索方法以返回具有时效性的社区，所述基于时间跨度优化的短时社区搜索方法包括：

S1获取用户的查询需求；所述查询需求包括：用来约束社区的子图拓扑结构特征，预设返回短时社区的数量和网络中需要的查询节点；

S2根据查询需求计算网络中的全局时间跨度上限，获取最大子图；