[发明专利]信息处理设备和信息处理方法

说明书

信息处理设备和信息处理方法。信息处理设备包括：获取单元，所述获取单元获取与网络相关的信息，所述网络包括一组节点和连接所述节点的一组真实链路；添加单元，所述添加单元通过向所述网络添加至少一个虚拟链路来生成扩展网络，所述至少一个虚拟链路链接未由真实链路链接的节点；以及聚类单元，所述聚类单元通过迭代地计算在由所述扩展网络中的所述真实链路和所述虚拟链路链接的节点之间的转移的随机过程，直到认为所述随机过程处于稳定状态为止，来对所述一组节点进行聚类。

技术领域

本发明涉及一种图像处理设备和一种图像处理方法。

背景技术

已经公开了对网络上的节点组执行聚类(也被称为社团提取)的若干技术。可参照Newman,M.E.J.的Communities,modules,and large-scale structure in networks,Nature Physics 8,25-31,2011和Fortunato,S.的Community detection in graphsPhysics Report 486,75-174,2010。这些技术中的许多技术都不能够提取彼此相互重叠的群集(社团)组和在分层结构中的群集组。在具有链路指向性的网络中也难以使用这些技术中的许多技术。

鉴于这些问题，根据在日本特开第2013-168127号、第2016-029526号和第2016-218531号公报中公开的“马尔可夫链的模块化分解”，本发明的发明人已经公开了从网络检测具有重叠的部分和分层的群集结构的技术。这些技术可以用于具有链路指向性的网络。

在基于马尔可夫链的模块化分解的聚类计算中，迭代地计算(EM算法中的M步骤和E步骤)在群集(社团)k中的节点概率(分类比率)p(n|k)和群集k的先验概率(重要程度)π_k。当达到稳定状态时，从这些量(p(n|k)和π_k)获取关于每个群集的信息。

在聚类方法中，通过随机过程(诸如，马尔可夫链)的迭代计算对网络执行聚类操作。然而，在这种聚类方法中，迭代计算可能需要更长的一段时间(或者更高的计算成本)来收敛(converge)到稳定状态。尤其，当群集具有非团(non-clique)结构时，这个问题可能会时常发生。如果多个节点彼此牢固地链接在一起，则这些节点被称为形成团。在团中，任何一个节点都经由一个链路链接至另一个节点。如果群集具有与这种特征相反的结构(如果将一个节点链接到另一个节点的链路的数量更大)，则这种群集被称为“非团”。

随机过程的迭代计算被执行为概率在网络上的传播。通过与物理现象类比，迭代计算实际上是沿着网络中的链路的扩散过程(诸如，布朗运动或者随机游走)。在概率通过链路从节点流出，并且然后充分扩散到网络，然后混合之后，实现了将概率分布收敛至稳定状态。如果社团具有非团结构，则从一个节点流出的概率可能会在经过大量节点后到达另一个节点。由于这个原因，在概率经由链路从节点流出，充分地扩散，然后在网络中混合之前，需要更长的一段时间。如果网络具有非团结构，则经验表明，概率时常在充分混合之前达到假稳定状态。

发明内容

本发明的目的在于将在迭代计算结果收敛至稳定状态之前执行的迭代计算的次数减少到少于用来迭代地计算经由网络的链路在节点之间的转移概率的随机过程的迭代计算的次数。

根据本发明的第一方面，提供了一种信息处理设备。该信息处理设备包括：获取单元，该获取单元获取与网络相关的信息，该网络包括一组节点和连接节点的一组真实链路；添加单元，该添加单元通过向网络添加至少一个虚拟链路来生成扩展网络，该至少一个虚拟链路链接未由真实链路链接的节点；以及聚类单元，该聚类单元通过迭代地计算在由扩展网络中的真实链路和虚拟链路链接的节点之间的转移的随机过程，直到认为该随机过程处于稳定状态为止，来对一组节点进行聚类。