[发明专利]一种基于博弈论的增量式异构图聚类方法

摘要

本发明公开了一种基于博弈论的增量式异构图聚类方法。本发明利用Personalized Pagerank作为统一的距离度量方式；利用增量式计算提高Personalized Pagerank得分的计算效率；基于DBSCAN算法并且利用博弈论的方法对聚类结果进行调整；利用熵以及边权重更新的方式来平衡结构信息和属性信息之间的重要性。本方法使用Personalized Pagerank来度量图结构中任意两个结点之间的相似性，利用增量式计算方式计算结点之间的Personalized Pagerank得分；采用DBSCAN算法得到初步的聚类结果并根据博弈论来对聚类结果进行调整；根据聚类结果计算熵，更新不同类型的边的权重。本发明同时考虑异构图结点的结构相似性和属性相似性，提高了Personalized Pagerank得分的计算效率并对聚类结果进行优化，提出了一种效率高，聚类质量好的异构图聚类方法。

主权项

1.一种基于博弈论的增量式异构图聚类方法，其特征在于，该方法包括如下步骤：步骤(1)：对应用中给定的异构图数据集进行预处理，构建异构图模型；步骤(2)：对异构图模型中的每一个主类结点，基于Personalized Pagerank算法进行回退时，只处理主类结点，然后将所有结点的残留值和储存值保存在外存中，用于步骤(3)的更新使用；步骤(3)：根据当前边的权重，对异构图模型中的每一个主类结点，重新计算转移概率矩阵，读取步骤(2)保存的残留值和储存值，对所有结点进行回退操作，计算出每个主类结点到图结构中其他主类结点的Personalized Pagerank得分；步骤(4)：对任意两个主类结点之间的两个Personalized Pagerank得分，取两者之间的较小值作为两个结点的相似性度量；步骤(5)：基于DBSCAN算法对所有主类结点进行聚类；步骤(6)：基于博弈论对步骤(5)的聚类结果进行调整，得到新的聚类结果；步骤(7)：基于步骤(6)获得的新的聚类结果的信息熵对异构图模型的边权重进行更新，如果当前边权重和上一轮边权重的均方误差小于设定的误差限，则得到最终聚类结果，否则返回步骤(3)重复迭代计算。