预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共11页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114970059A(43)申请公布日2022.08.30(21)申请号202210522365.5(22)申请日2022.05.13(71)申请人重庆大学地址400030重庆市沙坪坝区沙正街174号(72)发明人刘骥闵少杰(74)专利代理机构重庆双马智翔专利代理事务所(普通合伙)50241专利代理师顾晓玲王婷婷(51)Int.Cl.G06F30/18(2020.01)G06Q50/00(2012.01)G06F111/08(2020.01)权利要求书2页说明书7页附图1页(54)发明名称建立动态随机图模型的方法及系统(57)摘要本发明属于随机系统技术领域,具体公开了一种建立动态随机图模型的方法及系统,建立动态随机图模型方法假定图网络的节点数目一定、所处位置不变,通过节点位置计算节点间的距离,获取每个节点间的标准化距离,为初始图结构中每一节点赋予一个影响力因子,并通过后续的边生成方式以模拟实际网络的幂律分布,循环遍历每个节点,生成节点间边并构成初始图结构,通过初始图结构获得的邻居节点集合,为每一节点进一步遍历其邻居节点的邻居节点集合,通过影响力因子进一步为图添加边,若图结构的特征达到预设范围,则重建图结构。采用本技术方案,模拟真实世界关系网络的幂律分布特性,通过动态随机图模型,模拟真实世界关系网络动态变化。CN114970059ACN114970059A权利要求书1/2页1.一种建立动态随机图模型的方法,其特征在于,包括如下步骤:S1,假定图网络的节点数目一定、所处位置不变;S2,通过节点位置计算节点间的距离,获取每个节点间的标准化距离;为初始图结构中每一节点赋予一个影响力因子,该影响力因子集合符合泊松分布或正态分布的右半段,或者幂律分布,并通过后续的边生成方式以模拟实际网络的幂律分布;循环遍历每个节点,生成节点间边并构成初始图结构;S3,通过初始图结构获得的邻居节点集合,为每一节点进一步遍历其邻居节点的邻居节点集合,通过影响力因子进一步为图添加边;S4,若图结构的特征达到预设范围,则重建图结构。2.如权利要求1所述的建立动态随机图模型的方法,其特征在于,重建图结构后,对重建后的图结构重复进行步骤S2‑S3,直到模型在预期网络特征方面与真实网络相似度达到预期。3.如权利要求1所述的建立动态随机图模型的方法,其特征在于,生成节点间边的方法如下:对于图结构G中节点i与节点j之间的边Eij,采用概率计算公式对边Eij是否存在进行控制:p(Eij)=f(populi×populj)×g(distij)其中,populi表示节点i的影响力因子,且所有节点的影响力因子服从一个符合泊松分布或正态分布的随机变量X,populi∈X;populj表示节点j的影响力因子,f和g为相互独立的两个激活函数;distij表示节点i与节点j之间标准化后的距离;节点i与节点j之间是否存在边主要由两个节点的影响力因子和距离所决定,f()以及g()分别为激活函数控制图G整体的边的数量;通过服从泊松分布或正态分布的影响力因子对节点进行区分,以模拟实际网络的幂律分布。4.如权利要求1所述的建立动态随机图模型的方法,其特征在于,获取每个节点的邻居节点集合的方法如下:定义节点i的邻居集合Si,为所有边Eij=1的节点j所组成的集合S与节点i本身的并集,对于每一个节点i邻居的邻居节点集合S,通过如下公式表示:S={s|Esj=1,foreveryjifEij=1}。5.如权利要求1所述的建立动态随机图模型的方法,其特征在于,通过影响力因子进一步为图添加边的方法如下:连通孤立节点:步骤S2创建初始图结构后,循环遍历孤立节点,所述孤立节点边数为0,联通节点边数大于0,孤立节点与联通节点以概率p1=f(populi×populj)×β生成边,β∈(0,1),或者以概率p2=f(populi×populj)×g(distij)生成边;若边生成,则跳过当前孤立节点;populi表示节点i的影响力因子,distij表示节点i与节点j之间标准化后的距离,f和g为相互独立的两个激活函数;节点邻居的邻居集合遍历:对节点i的每一个邻居节点j进行遍历,V为节点集,对于每一个j的邻居节点集合S中的节点s,以概率p=f(populi×populj)×σ生成边,σ∈(0,1)。2CN114970059A权利要求书2/2页6.如权利要求1所述的建立动态随机图模型的方法,其特征在于,通过图网络的特征判断图结构是否需要重建;通过当前随机图网络特征,并结合具体实际网络进行判断,图网络特征包括聚集系数和平均路径长度,聚集系数大于预设值或平均路径长度小于预设值时,图结构需要重建;在无向网络中,聚类系数定义为:C=2*n/(k*(k‑1)),其中,