[发明专利]一种面向流网络的角色划分系统及其工作方法、介质

权利要求书

1.一种面向流网络的角色划分系统的工作方法，其特征在于，包括依次连接的数据采集模块、有向加权网络获取模块、嵌入模块及聚类模块；

所述数据采集模块用于：获取转账数据；所述有向加权网络获取模块用于：将转账数据表示成有向加权网络；所述嵌入模块用于：首先为每一个节点抽取两张无向子图，然后采用Graphwave算法结构性嵌入，最后整合结构性嵌入和节点的出入流量差得到节点嵌入；所述聚类模块用于：用改进的自组织映射神经网络对上一步得到的节点嵌入进行聚类，得到节点的角色划分；包括步骤如下：

(1)所述数据采集模块获取转账数据；转账数据是指银行卡之间的转账的数据，每一条银行卡之间的转账的数据包括转出方的卡号、转入方的卡号、金额、时间；

(2)所述有向加权网络获取模块将转账数据表示成有向加权网络；

(3)通过所述嵌入模块获取节点嵌入；首先为每一个节点抽取两张无向子图，然后用GraphWave算法获取结构性嵌入，最后整合结构性嵌入和节点的出入流量差得到节点嵌入；

(4)通过所述聚类模块实现角色划分：使用改进的自组织映射神经网络对上一步得到的节点嵌入进行聚类，得到节点的角色划分；

步骤(3)中，为每一个节点抽取两张无向子图，无向子图包括聚敛子图和扩散子图，包括步骤如下：

G＝(V，E)，表示原图，即步骤(2)得到的有向加权网络；V是点集，包括有向加权网络中的每个点；E是边集，包括有向加权网络中的每条边；

聚敛子图的获取过程如下：

G_gat(a)＝(V，E_gat(a))，表示关于点a的聚敛子图；点a是点集V中的任意一点；E_gat(a)是指G_gat(a)的边集；

E_gat(a)的求取过程为：对于每一条指向a的边n，a，将其加到E_gat(a)中，并称n为a的一阶上游邻居，对于每一个a的一阶上游邻居n做同样的处理，即将每一条指向n的边m，n加到E_gat(a)中，并称m为a的二阶上游邻居，以此类推，将所有从a的k+1阶上游邻居指向k阶上游邻居的边加到E_gat(a)中，直到没有新的边被添加，聚敛子图中的边保留原图的权重，丢弃方向；

扩散子图的获取过程如下：

G_dif(a)＝(V，E_dif(a))，表示关于点a的扩散子图；E_dif(a)是指G_dif(a)的边集；

E_dif(a)的求取过程为：对于每一条源点为a的边a，n，将其加到E_dif(a)中，并称n为a的一阶下游邻居，对于每一个a的一阶下游邻居n做同样的处理，即将每一条源点为n的边n，m加到E_dif(a)中，并称m为a的二阶下游邻居，以此类推，将所有从a的k阶下游邻居指向k+1阶上游邻居的边加到E_dif(a)中，直到没有新的边被添加，扩散子图中的边保留原图的权重，丢弃方向。

2.根据权利要求1所述的面向流网络的角色划分系统的工作方法，其特征在于，步骤(2)中，将转账数据表示成有向加权网络，是指：将所有转出方的卡号及所有转入方的卡号表示成有向加权网络里的点，转出方的卡号、转入方的卡号之间的累计转账金额表示成两个点之间的有向边，从转出方指向转入方，权重为金额，即得有向加权网络。

3.根据权利要求1所述的面向流网络的角色划分系统的工作方法，其特征在于，步骤(3)中，采用GraphWave算法获取结构性嵌入，结构性嵌入是一个向量，表示点在结构性角色的连续空间的位置，包括步骤如下：

采用GraphWave算法处理G_gat(a)，得到a点在聚敛子图中的结构性嵌入X_a；采用GraphWave算法处理G_dif(a)，得到a点在扩散子图中的结构性嵌入Y_a；则a点的完整结构性嵌入(X_a，Y_a)。