[发明专利]一种快速计算图节点相似度的方法

说明书

本发明公开了一种快速计算图节点相似度的方法，包括步骤：对于给定的图，进行路径采样并构建从节点到路径的倒排索引；对于所述图中的每个节点，根据所述倒排索引得到每个节点的共现路径节点，计算每个节点和所述共现路径节点之间的近邻相似度；对于所述图中的每个节点，选择top‑k个近邻相似点的相似值作为每个节点的特征向量；对于所述图中的每个节点的特征向量构建kd‑tree索引；根据所述kd‑tree索引，计算所述图中每个节点向量的top‑k个结构相似点。本发明具有如下优点：能够统一且快速地计算近邻和结构两种相似度。

技术领域

本发明涉及数据挖掘领域，具体涉及一种快速计算图节点相似度的方法。

背景技术

计算图上两个点的相似度是许多网络分析任务的基础，也是很多数据挖掘算法的核心操作，例如聚类、图匹配以及对象检索等的核心都是对两个点相似度的估计。具体到领域应用，在学术合作网络上计算两个研究者的相似度，可以辅助专家推荐；在社交网络上计算两个用户的相似度，可以辅助好友推荐。在仅考虑网络拓扑的情况下，有研究者也将把其称之为结构相等。经调研可知，表示图上两个节点的结构相等一般有两个原则依据：一是两个节点的结构相等当且仅当它们的邻居相同；二是两个节点的结构相等当且仅当它们的的社会角色或者社会地位相等，而社会角色或者社会地位可以用中心度、紧密度、簇系数等网络特性来衡量。通常，基于第一种原则计算相似度得出的节点一般在距离上比较近，我们将其称之为近邻相似度；相反，基于第二种原则计算相似度得出的节点和距离远近没有关系，甚至两个完全不相连的节点，也可能非常相似，我们将其称之为结果相似度。

尽管计算网络中节点之间的相似度已经被很多人研究过，例如SimRank[Jeh,2002]是计算近邻相似度的典范，它的基本思想是两个点相似，当且仅当他们的邻居相似，所以算法本质上是个迭代方法。ReFex[Henderson,2011]是计算结构相似度的典范，它的基本思想是两个点相似，当且仅当他们的网络特性相似，例如度，簇系数，以及一度、二度、三都等邻居的度，簇系数的和值。然而传统方法的效率一般非常低。例如SimRank的时间复杂度是O(I|V|²d²)，其中I是迭代次数，|V|是网络中所有节点数，d是节点的平均度数。ReFex也是一个迭代算法，复杂度随着探测的邻居度数的增加而快速增加。近年来也涌现了一批加速方法，但是一般只有对近邻相似度的加速，例如[Lee,2012]，能够快速计算任意一个节点的Top-k个最相似的节点，对于结构相似度的加速几乎没有工作提及。

发明内容

本发明旨在至少解决上述技术问题之一。

为此，本发明的一个目的在于提出一种快速计算图节点相似度的方法。

为了实现上述目的，本发明的实施例公开了一种快速计算图节点相似度的方法，包括以下步骤：S1：对于给定的图，进行路径采样并构建从节点到路径的倒排索引；S2：对于所述图中的每个节点，根据所述倒排索引得到每个节点的共现路径节点，计算每个节点和所述共现路径节点之间的近邻相似度；S3：对于所述图中的每个节点，选择近邻相似度最高的预设数量的近邻相似点的相似值作为每个节点的特征向量；S4：对于所述图中的每个节点的特征向量构建kd-tree索引；S5：根据所述kd-tree索引，计算所述图中每个节点向量相似度最高的预设数量的结构相似点。

根据本发明实施例的快速计算两种图节点相似度的方法，能够统一且快速地计算近邻和结构两种相似度。

另外，根据本发明上述实施例的快速计算两种图节点相似度的方法，还可以具有如下附加的技术特征：