[发明专利]数据挖掘方法及装置

权利要求书

1.一种数据挖掘方法，其特征在于，所述方法包括：

确定具有内聚特性的标识数据以形成内聚集合，各个内聚集合之间相互独立；

各个内聚集合之间并行挖掘在相同内聚集合中具有深层关联关系的标识数据。

2.如权利要求1所述的方法，其特征在于，所述确定具有内聚特性的标识数据以形成内聚集合包括：利用pregel运算方法确定具有内聚特性的标识数据。

3.如权利要求1所述的方法，其特征在于，所述确定具有内聚特性的标识数据以形成内聚集合包括：

将具有内聚特性的标识数据之间的关联关系用内聚图结构表示，其中，内聚图结构的节点代表具有内聚特性的标识数据，内聚图结构的边代表具有内聚特性的标识数据之间具有直接关联关系，各个内聚图结构之间相互独立。

4.如权利要求3所述的方法，其特征在于，所述内聚图结构中的边具有直接关联强度值，所述直接关联强度值表示内聚图结构的节点间的直接关联次数；

所述确定具有内聚特性的标识数据以形成内聚集合还包括：

删除直接关联强度值小于直接关联强度阈值的边。

5.如权利要求1所述的方法，其特征在于，所述各个内聚集合之间并行挖掘在相同内聚集合中具有深层关联关系的标识数据包括：

在相同内聚集合中确定两个相同节点类型的节点；

确定与所述两个相同节点类型的节点分别具有直接关联关系的其它各个节点类型的节点个数；

计算所述其它各个节点类型的节点个数与相应的其它各个节点类型的深层关联权重的加权和，并将所述加权和确定为所述两个相同节点类型的节点的深层关联强度；

若所述两个相同节点类型的节点的深层关联强度不小于预设深层关联强度阈值，则确定所述两个相同节点类型的节点具有深层关联关系。

6.一种数据挖掘装置，其特征在于，所述装置包括：

数据内聚模块，用于确定具有内聚特性的标识数据以形成内聚集合，各个内聚集合之间相互独立；

并行挖掘模块，用于各个内聚集合之间并行挖掘在相同内聚集合中具有深层关联关系的标识数据。

7.如权利要求6所述的装置，其特征在于，所述数据内聚模块包括：pregel运算单元，用于利用pregel运算方法确定具有内聚特性的标识数据。

8.如权利要求6所述的装置，其特征在于，所述数据内聚模块包括图结构加载单元，用于将具有内聚特性的标识数据之间的关联关系用内聚图结构表示，其中，内聚图结构的节点代表具有内聚特性的标识数据，内聚图结构的边代表具有内聚特性的标识数据之间具有直接关联关系，各个内聚图结构之间相互独立。

9.如权利要求8所述的装置，其特征在于，内聚图结构中的边具有直接关联强度值，所述直接关联强度值表示内聚图结构的节点间的直接关联次数；

数据内聚模块还包括边删除单元，用于删除直接关联强度值小于直接关联强度阈值的边。

10.如权利要求6所述的装置，其特征在于，所述并行挖掘模块包括：

同类节点确定单元，用于在相同内聚集合中确定两个相同节点类型的节点；

节点个数确定单元，用于确定与所述两个相同节点类型的节点分别具有直接关联关系的其它各个节点类型的节点个数；

加权运算单元，用于计算所述其它各个节点类型的节点个数与相应的其它各个节点类型的深层关联权重的加权和，并将所述加权和确定为所述两个相同节点类型的节点的深层关联强度；

深层关联确定单元，用于若所述两个相同节点类型的节点的深层关联强度不小于预设深层关联强度阈值，则确定所述两个相同节点类型的节点具有深层关联关系。