[发明专利]一种面向复杂税务数据系统的介区域识别方法

权利要求书

1.一种面向复杂税务数据系统的介区域识别方法，其特征在于，包括以下步骤：

S101.静态快照构建-动态时序嵌入；首先，针对复杂税务数据系统时空多层次、非线性的特点，基于时序编码嵌入的非线性动态网络模型，通过“静态快照构建-动态时序嵌入”两阶段的方法，将复杂数据系统转化为语义等价的，包含对象、关系、属性和时序要素的复杂动态网络；

S102.基于绝热消去的动态网络演化主导因素识别；基于系统科学中绝热消去原理，识别所关注的子系统随动态网络演化的主导因素，在此基础上构建边界尺度的假设空间；

S103.边界尺度子图模式挖掘；基于频繁子图挖掘算法，挖掘各边界尺度的子图实例中的基序Motif；

S104.子图模式层级耦合辨识；基于二进制向量编码构建各边界尺度的相关度矩阵，再基于条件概率对边界尺度层级耦合关系建模，辨识子图模式的层级耦合，通过置信度阈值判定两假设空间之间是否存在介区域。

2.根据权利要求1所述的一种面向复杂税务数据系统的介区域识别方法，其特征在于，该方法具体包括以下实现步骤：

1)静态网络快照构建

为实现将复杂数据系统转化为语义等价的，包含对象、关系、属性和时序要素的复杂动态网络，首先进行静态网络快照的构建，获取动态网络在时间上的有序图集，即复杂数据系统在不同时刻的快照集合；

2)动态时序嵌入

为了在获得动态网络演化模式的同时，最大程度保留网络结构信息，对动态网络进行时序编码嵌入；

3)识别动态网络演化的主导因素

系统从无序到有序或从低序到高序的变化过程称为“相变”，系统在相变处的内部参量分为慢弛豫变量和快弛豫变量，慢弛豫变量的数目少但衰减速度慢，它是决定系统相变的根本变量；快弛豫变量数目相对较多但衰减速度较快，它服从于慢弛豫变量，对系统的相变起到辅助作用；慢弛豫变量在系统演化过程中从无到有地变化，并通过对其它快弛豫变量的支配或役使作用，主宰着系统整体演化的过程，指示出新结构的形成，反映新结构的有序程度，就是序参量，亦即系统演化的主导因素；

基于系统科学中的绝热消去原理，识别所关注的子系统随动态网络演化的主导因素DF，在DF的引导下构建边界尺度假设空间；

4)边界尺度子图模式挖掘

基于频繁子图挖掘算法，挖掘各边界尺度子图实例中的基序Motif，基于图模式匹配获取动态网络中各节点在Motif下的向量编码，该向量编码用以指示是否匹配相应的Motif；

5)子图模式层级耦合辨识

基于步骤4)中的向量编码，构建各边界尺度间的相关度矩阵W∈R^n*n，基于条件概率对边界尺度间层级耦合关系建模，得到概率形式的相关度矩阵，最后判定两边界尺度间是否满足层级耦合关系，进而识别两边界尺度间是否存在介区域。