[发明专利]一种基于一阶差分与差异量数法的组织架构识别方法

说明书

本发明涉及一种基于一阶差分与差异量数法的组织架构识别方法，针对社交网络组织所对应的无向图，遍历其中各节点平均最短路径，并通过对各平均最短路径所对应待分析序列的一阶差分差异量数法，识别各个多核组织源头，最后分别以各多核组织源头为起点，应用自上而下迭代直接节点的方式，进行组织架构依次划分，获得社交网络组织的组织架构；设计方案优化了传统组织结构源头需要人工干预的方式，采用平均最短路径一阶差分差异量数法识别组织源头，以及应用最小代价思想依次迭代直接节点，能够实现任意类型社交网络组织结构的高效整理，有效解决了目前该领域划分效率、精度和适应性不足的问题。

技术领域

本发明涉及一种基于一阶差分与差异量数法的组织架构识别方法，涉及社交网络组织结构发现技术领域。

背景技术

在复杂社交网络组织结构发现领域，尤其是社团属性网络中，发现社团中的人员并非平等共事，而是分工不同且地位不等。为了准确划分社团的组织结构，人们提出了很多思路，例如基于出入度领导节点的层次社区发现算法、基于pagerank的影响力传播模型、带惩罚和平衡功能的自适应信息熵模型等。但这些模型在拟合不同社团选择领导节点时，都需要人工干预，且无法精准划分在不同层级都有联系的重叠节点。因此在面对复杂团体属性网络时，如何自动确定多核心领导节点并精准划分关系杂乱的架构，是我们要解决的核心问题。

在社团组织结构发现中，传统方式都是在人工定性干预下，选择组织源头，并通过出入链接关联紧密度的方式确定下层，难以做到全自动划分不同场景社团结构。

发明内容

本发明所要解决的技术问题是提供一种基于一阶差分与差异量数法的组织架构识别方法，采用全新设计逻辑，解决目前该领域划分效率、精度和适应性的不足，高效实现组织架构的识别。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于一阶差分与差异量数法的组织架构识别方法，用于针对目标社交网络组织实现组织架构的识别，包括如下步骤：

步骤A.基于目标社交网络组织中各人员之间的话单通联数据，以人员为节点，彼此间存在话单通联的节点之间以无向边相连，构建目标社交网络组织所对应的无向图，然后进入步骤B；

步骤B.分别针对无向图中的各个节点，获取节点分别到与其存在直接或间接边连接的各节点的最短路径跳数，进而获得该节点所对应各最短路径跳数的平均最短路径跳数，即获得各节点分别所对应的平均最短路径跳数，并针对各平均最短路径跳数按由小至大进行顺序，构成待分析序列，然后进入步骤C；

步骤C.根据待分析序列的一阶差分，获得待分析序列中顺序各组相邻平均最短路径跳数之间差值的序列，即差值序列，并进入步骤D；

步骤D.基于预设数目分差的差异量数法，获得差值序列的中心值QD、以及标准差PD，然后进入步骤E；

步骤E.根据差值序列的中心值QD、以及标准差PD，获得待分析序列所对应的目标阈值threshold_value，并进一步获得待分析序列中的各个多核组织源头，然后进入步骤F；

步骤F.基于无向图，分别以各个多核组织源头为起点，通过向外依次迭代方式，获得目标社交网络组织的组织架构。

作为本发明的一种优选技术方案：所述步骤D中，基于预设数目N分差法下的预设平稳数据分段范围，选择差值序列N等分下预设平稳数据分段范围中的各个差值，获得该各个差值的平均值，构成差值序列的中心值QD，以及获得该各个差值的标准差，构成差值序列的标准差PD，然后进入步骤E。

作为本发明的一种优选技术方案：所述步骤D中，基于八分差法下的第二平稳数据分段至第七平稳数据分段，选择差值序列八等分下第二平稳数据分段至第七平稳数据分段中的各个差值，获得该各个差值的平均值，构成差值序列的中心值QD，以及获得该各个差值的标准差，构成差值序列的标准差PD，然后进入步骤E。