[发明专利]面向社交网络的高可用性K-匿名数据处理方法、装置、电子设备及存储介质

权利要求书

1.一种面向社交网络的高可用性K-匿名数据处理方法，其特征在于，包括：

基于社交网络，构建所述社交网络的无向图，所述无向图中每个节点对应代表每个用户，任意两个节点间的连线代表对应两个用户的结构关系；

对每个所述用户进行相似性分析，获取所述用户之间的相似度值；

根据所述用户之间的相似度值对所述用户进行聚类，获得初始的聚类集合；

K匿名形成超级节点；

对所述超级节点匿名发布；

其中，K匿名形成超级节点包括：

根据公式计算所述节点在所述无向图中的聚集程度：

其中，k为所述节点v_i的所有相邻节点的个数，n为所述节点v_i的所有相邻节点之间相互连接的边的个数；

选取聚集程度最大的节点位于的聚类集合，判断所述聚类集合中的所述节点数量是否大于等于设定的隐私水平K；若符合，则所述聚集程度最大的节点为初始种子节点；若不符合，则选取与所述聚集程度最大的节点距离最大的节点位于的聚类集合进行判断，依次类推，直至选到符合的初始种子节点；

计算所述初始种子节点和每个所述节点的距离，选择最近的节点合并为超级节点；

重复合并为所述超级节点的过程，直至当前所述超级节点包含的节点数量达到设定的隐私水平K；

去除所述超级节点包含的所有节点，重复生成超级节点直至剩余的节点数量小于设定的隐私水平K；

分别计算所述剩余的节点与之前生成的所述超级节点的距离，并逐个将所述剩余的节点分别合并到距离最小的所述超级节点中，直至所有的节点均聚类成所述超级节点。

2.如权利要求1所述的面向社交网络的高可用性K-匿名数据处理方法，其特征在于，对每个所述用户进行相似性分析，获取所述用户之间的相似度值包括：

分别计算所述用户的文本信息的相似度、结构信息相似度以及属性信息相似度；

并根据公式获得所述用户之间的相似度；

相似度值＝a*文本信息相似度+b*结构信息相似度+c*属性信息相似度；

其中，a、b、c为常数，且a+b+c＝1。

3.如权利要求2所述的面向社交网络的高可用性K-匿名数据处理方法，其特征在于，分别计算所述用户的文本信息的相似度、结构信息相似度以及属性信息相似度：

初始化所述用户的文本信息，并将所述文本信息转换成向量存放；

根据余弦相似度来计算所述用户的文本信息的相似度；

所述用户之间含有的公共节点与所述用户之间邻居节点和的比值为所述用户的结构信息相似度；

所述用户的属性信息包括数值数据和非数值数据，所述数值数据的相似度为所述用户之间差值的绝对值；所述非数值数据的相似度为所述用户之间到所述用户之间的公共节点的最短距离。

4.如权利要求1所述的面向社交网络的高可用性K-匿名数据处理方法，其特征在于，计算所述初始种子节点和每个所述节点的距离，选择最近的节点合并为超级节点包括：

当有多个所述节点与所述初始种子节点的距离最小且相同时，则优先选择与所述初始种子节点为同一个聚类集合的候选节点合并为超级节点；如果候选节点中没有与所述初始种子节点为同一个聚类集合的节点时，则优先选择单节点合并为超级节点。

5.如权利要求1所述的面向社交网络的高可用性K-匿名数据处理方法，其特征在于，设定的隐私水平K的取值范围为1＜K≤n，其中n是用户数量。

6.如权利要求1所述的面向社交网络的高可用性K-匿名数据处理方法，其特征在于，分别计算所述剩余的节点与之前生成的所述超级节点的距离，并逐个将所述剩余的节点分别合并到距离最小的所述超级节点中，直至所有的节点均聚类成所述超级节点包括：

当所述剩余的节点与多个所述超级节点的距离最小且相同时，则将当前所述剩余的节点合并到所述初始种子节点与之为同一个聚类集合的超级节点中。