[发明专利]一种基于属性图中的冰山顶点集的查询方法

摘要

本发明公开一种基于属性图中的冰山顶点集的查询方法，该方法将冰山顶点集查询问题定义成属性图模型，从全局角度求解属性图中的冰山顶点集，通过广度优先搜索与前向聚合等策略获取可行解空间。本发明能够形成解决全局情况下属性图的冰山顶点集方案，使属性图中的冰山顶点集查询问题在解决过程中在时间和空间复杂度上得到优化，并避免早熟收敛。

主权项

一种基于属性图中的冰山顶点集的查询方法，其特征在于该方法包括以下步骤：步骤1)根据用户输入的信息，构建网络中的冰山顶点集查询问题的属性图模型G＝(V,E,A)；所述V是顶点集，E是边集，A是顶点集V到属性集Q的映射；所述映射是指两个元素集之间元素相互对应的关系；所述属性图模型G＝(V,E,A)在建立后，任意顶点的度数定义为与该顶点相关联的边数，具体步骤如下：步骤11)用户输入包含查询属性、顶点集及每个顶点对应的属性集，给定评分阈值及邻近相似度阈值；用户输入的查询属性记为q，顶点集记为V，属性集记为Q，顶点集V到属性集Q的映射记为A，评分阈值记为θ，邻近相似度阈值记为σ；所述A:Q＝{q₁,q₂,…,q_n}，q₁,q₂,…,q_n均是属性，n表示属性集Q中属性的个数，表示幂集；所述映射是指两个元素集之间元素相互对应的关系。步骤12)将顶点集V中所有顶点看作属性图模型G＝(V,E,A)中的顶点；步骤13)将顶点u和顶点v之间的路径看作属性图模型G＝(V,E,A)两顶点之间的弧，两顶点之间的距离作为顶点u和顶点v之间弧的权值，任意两顶点之间的距离d(u,v)定义为通过两顶点所需的最少边数；所述d(u,v)为属性图模型G＝(V,E,A)中顶点u和顶点v最短路的权值，且顶点间的距离满足三角不等式；所述u,v∈V；所述三角不等式是指在三角形中，必然有两边之和大于第三边；步骤14)用P_u表示顶点u所代表的顶点具有的属性集，当p_j∈P_u，顶点u具有属性p_j，反之当时，顶点u不具有属性p_j，所述p_j是指第j个属性，1≤j≤n；步骤2)采用广度优先搜索算法，获得冰山顶点集查询问题在属性图模型上的枢纽顶点集V_p，具体步骤如下：步骤21)对顶点集V中每个未被访问的顶点v，使用广度优先搜索算法获得该顶点的2跳邻域N₂(v)；所述2跳邻域N₂(v)是与顶点v距离为2的所有顶点构成的集合；所述广度优先搜索算法，简称BFS，是一种图形搜索算法，该算法是从根节点开始，沿着树的宽度遍历树的节点，如果所有节点均被访问，则算法终止；步骤22)对2跳邻域N₂(v)中每个未被访问的顶点u，检查N₁(u)和N₁(v)是否满足邻近相似度σ，即σ_u≥σ且σ_v≥σ；若满足邻近相似度，则将顶点v加入枢纽顶点集，同时标记顶点u和v已被访问；所述σ_u＝|N₁(u)∩N₁(v)|/|N₁(u)|，σ_v＝|N₁(u)∩N₁(v)|/|N₁(v)|，所述|N₁(u)|，是指顶点u的1跳邻域中所有顶点的个数，同理|N₁(v)|，是指顶点v的1跳邻域中所有顶点的个数；所述|N₁(u)∩N₁(v)|，是指顶点u的1跳邻域与v的1跳邻域相交后所得顶点集合中顶点的个数；所述顶点v的1跳邻域是与顶点v距离为1的所有顶点构成的集合；所述顶点u的1跳邻域是与顶点u距离为1的所有顶点构成的集合；步骤23)经过步骤21)～步骤22)，求得属性图G＝(V,E,A)的枢纽顶点集V_p；步骤3)采用前向聚合，获得冰山顶点集查询问题在属性图模型G＝(V,E,A)上的解空间，具体步骤如下：步骤31)对枢纽顶点集V_p中的每个顶点v′，求取该顶点对应的近似PageRank向量所述若顶点v_i和顶点v_j之间存在边，则反之M_ij＝0；所述M是指属性图G＝(V,E,A)的过渡矩阵；所述是顶点v_j的对应的顶点度数；所述顶点度数，是指和该顶点相关联的边数；步骤32)根据以上步骤，使用并结合前向聚合方法，求得顶点v′对应的q属性评分score_q(v′)，所述该评分等于该顶点的PageRank向量中对应黑色顶点的条目之和；所述黑色顶点，是指包含查询属性q的顶点；所述前向聚合方法，是指一种为属性图中的每个顶点计算其属性得分的方法；步骤33)如果顶点v′对应的q属性评分score_q(v′)大于评分阈值θ，则将该顶点加入解空间S_olution；步骤34)检查枢纽顶点集V_p中的每个顶点是否均已被遍历过；若没有，重复步骤31)～步骤33)；步骤35)确定最终解空间S_olution，该解空间中包含所有的冰山顶点集。