CN103106323A - 获得图的结构描述信息的方法及装置 - Google Patents
获得图的结构描述信息的方法及装置 Download PDFInfo
- Publication number
- CN103106323A CN103106323A CN2011103796688A CN201110379668A CN103106323A CN 103106323 A CN103106323 A CN 103106323A CN 2011103796688 A CN2011103796688 A CN 2011103796688A CN 201110379668 A CN201110379668 A CN 201110379668A CN 103106323 A CN103106323 A CN 103106323A
- Authority
- CN
- China
- Prior art keywords
- node
- information
- information flow
- preset time
- graph
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种获得图的结构描述信息的方法,包括:在给定图像中提取图的结构;将所述图的结构转换为信息流动图,所述信息流动图用以表征由所述图的结构定义的信息流动空间,所述图的结构中各节点按照所述信息流动图中的信息流动规则进行信息流动;确定所述图的结构中各节点在所述信息流动图中的初始信息量;根据所述各节点的初始信息量,按照所述信息流动规则,计算所述各节点在预设时间点的信息量;根据由所述各节点在所有预设时间点的信息量所形成的信息分布的时间序列,确定所述图的结构描述信息。本发明实现了对图的结构的动态分析,获得了图的结构的动态描述信息,增加了图的结构描述信息的信息量,可以更有效地描述图的结构。
Description
技术领域
本发明一般地涉及图像处理技术领域,尤其是一种获得图的结构描述信息的方法及装置。
背景技术
在图像处理过程中,经常需要提取图像中图的结构,例如,从电子领域中的电子线路中提取电路结构,如图1所示,再例如,从各种网络架构中(如通讯网,互联网,交通网),提取网络数据结构,在化学领域或生物领域中提取分子结构或DNA、RNA结构等。
在提取图的结构后,进一步可获得图的结构的描述信息,以用于对图的快速的比较、排序和查找等。其中,图的结构的描述信息由一组节点和一组连接节点的边以及附加在节点和边上的信息构成。
现有技术中,在从图像中提取图的结构后,通过采用基于图论的图的结构的数值表示方法,基于图的谱分析方法(graph spectrum method)以及基于图的熵的方法(graph entropy)等来表示图的结构描述信息。然而,上述表示方法中均是基于对图的结构的静态分析而获得的静态值,其分析过程过于简单,所获得的静态值也不能充分表征图的结构信息,不能有效描述图的结构。
发明内容
有鉴于此,本发明实施例提供了一种获得图的结构描述信息的方法及装置,能够更好的表征图的结构信息,更有效的描述图的结构。
根据本发明实施例的一个方面,提供一种获得图的结构描述信息的方法,包括:
在给定图像中提取图的结构;
将所述图的结构转换为信息流动图,所述信息流动图用以表征由所述图的结构定义的信息流动空间,所述图的结构中各节点按照所述信息流动图中的信息流动规则进行信息流动;
确定所述图的结构中各节点在所述信息流动图中的初始信息量;
根据所述各节点的初始信息量,按照所述信息流动规则,计算所述各节点在预设时间点的信息量;
根据由所述各节点在所有预设时间点的信息量所形成的信息分布的时间序列,确定所述图的结构描述信息。
根据本发明实施例的另一个方面,提供一种图结构对比方法,包括:
通过根据上述本发明实施例的方法,获得待对比的至少两个图的结构描述信息;
若所述至少两个图的结构描述信息相同,则所述待对比的至少两个图的结构相同。
根据本发明实施例的再一个方面,提供一种获得图的结构描述信息的装置,包括:
结构提取单元,配置为在给定图像中提取图的结构;
图转换单元,配置为将所述图的结构转换为信息流动图,所述信息流动图用以表征由所述图的结构定义的信息流动空间,所述图的结构中各节点按照所述信息流动图中的信息流动规则进行信息流动;
初始值确定单元,配置为确定所述图的结构中各节点在所述信息流动图中的初始信息量;
信息量计算单元,配置为根据所述各节点的初始信息量,按照所述信息流动规则,计算所述各节点在预设时间点的信息量;
信息确定单元,配置为根据由所述各节点在所有预设时间点的信息量所形成的信息分布的时间序列,确定所述图的结构描述信息。
另外,根据本发明的另一方面,还提供了一种存储介质。所述存储介质包括机器可读的程序代码,当在信息处理设备上执行所述程序代码时,所述程序代码使得所述信息处理设备执行根据本发明的上述获得图的结构描述信息的方法。
此外,根据本发明的再一方面,还提供了一种程序产品。所述程序产品包括机器可执行的指令,当在信息处理设备上执行所述指令时,所述指令使得所述信息处理设备执行根据本发明的上述获得图的结构描述信息的方法。
根据本发明实施例的上述方法,在提取图的结构后,通过将图的结构转化为信息流动图,获得各节点与时间相关的信息量分布,实现了对图的结构的动态分析,进而获得了图的结构的动态描述信息,从而增加了图的结构描述信息的信息量,充分表征了图的结构,可以更有效地描述图的结构。
在下面的说明书部分中给出本发明实施例的其他方面,其中,详细说明用于充分地公开本发明实施例的优选实施例,而不对其施加限定。
附图说明
下面结合具体的实施例,并参照附图,对本发明实施例的上述和其它目的和优点做进一步的描述。在附图中,相同的或对应的技术特征或部件将采用相同或对应的附图标记来表示。
图1是示出现有技术中从电子线路中提取电路结构的示意图;
图2是示出作为本发明实施例提供的获得图的结构描述信息的方法流程图;
图3是示出作为本发明实施例提供的将图的结构转换为马尔科夫图的方法流程图;
图4a是示出作为本发明实施例提供一种图的结构示意图;
图4b是示出作为本发明实施例提供图4a的结构转化后的马尔科夫图的示意图;
图5是示出作为本发明实施例提供一种图的结构示意图;
图6是示出作为本发明实施例提供一种图的结构示意图;
图7是示出作为本发明实施例提供确定各节点初始信息量的方法流程图;
图8是示出作为本发明实施例提供的计算各节点在预设时间点的信息量的方法流程图;
图9是示出作为本发明实施例提供的确定图的结构描述信息的方法流程图;
图10是示出作为本发明实施例提供的另一确定图的结构描述信息的方法流程图;
图11是示出作为本发明实施例提供的基于图的结构描述信息进行图结构的比较的方法流程图;
图12是示出作为本发明实施例提供的一种获得图的结构描述信息的装置结构示意图;
图13是示出作为本发明实施例提供的一种信息量计算单元的结构示意图;
图14是示出作为本发明实施例提供的一种信息确定单元的结构示意图;
图15是示出作为本发明实施例提供的一种初始值确定单元的结构示意图;
图16是示出作为本发明实施例提供的另一种信息确定单元的结构示意图;
图17是示出作为本发明的实施例中所采用的信息处理设备的个人计算机的示例性结构的框图。
具体实施方式
下面参照附图来说明本发明的实施例。
参见图2,本发明实施例提供的获得图的结构描述信息的方法包括:
步骤201:在给定图像中提取图的结构。
本实施例中,首先需要从图像中获得图的结构,例如图1所示,在电子线路图像中提取出电路的结构(例如,Goto,S.,”An efficient algorithmfor the two-dimensional placement problem in electrical circuitlayout”,IEEE Transactions on Circuits and Systems,vol.28,pp.12-18,1981),或者,从各种网络架构中(如通讯网,互联网,交通网)提取网络数据结构(例如,Schenker,A.,”Graph-Theoretic Techniques for Web CotentMining”,World Scientific,Singapore,2005),在化学领域或生物领域中提取分子结构或DNA、RNA结构(例如,Faulon,J.L.,“Isomorphism,automorphism partitioning,and canonical labeling can be solved inpolynomial-time for mocular graphs”,Journal of Chemical Informationand Computer Sciences,vol.38,pp.432-444,1998),自然语言处理领域提取句法结构(例如,Biemann,C.,”Chinese whispers:an efficient graphclustering algorithm and its application to natural language processingproblems”,Processing of the First Workshop on Graph Based Methodsfor Natural Language Processing,pp.73-80,2006),以及其它诸如文字,指纹,图像(例如,Riesen,K.,“IAM graph database repository for graphbased pattern recognition and machine learning”,Structure,Syntactic,and Statistical Pattern Recognition,pp.287-297,2008)等。各提取过程可以采用现有技术,其具体过程不再赘述。
步骤202,将图的结构转换为信息流动图。
在获取图的结构后,按照图的结构中的节点和节点间的连线,将该图的结构转换为信息流动图,以便于后续基于该信息流动图对该图的结构进行动态分析,获得动态的描述信息。
其中,该信息流动图用以表征由图的结构定义的信息流动空间,图的结构中各节点按照信息流动图中的信息流动规则进行信息流动。
步骤203,确定图的结构中各节点在信息流动图中的初始信息量。
在各节点的信息量按照信息流动规则进行流动或传播之前,需要先确定各节点的初始信息量,该初始信息量的确定可以与图的结构无关,例如直接根据预先设定的规则(如统一分布)等进行确定,也可以基于图的结构进行确定,例如,如果图的结构为非正则图结构,则各节点的初始信息量按照统一分布的原则进行分配,也即各节点的初始信息量相同,等于总信息量在各节点的平均值;如果图的结构为正则图结构,在确定各节点的初始信息量时,可以选择其中一个节点作为初始节点,然后确定该初始节点的初始信息量为1,其它节点的初始信息量为0,该初始节点的选择可以是任意的。进一步,为了获取该图的结构的完整的描述信息,该初始节点的选择需要在各节点间轮循。以上两种方式,具体请参照后续实施例的描述。
步骤204,根据各节点的初始信息量,按照信息流动规则,计算各节点在预设时间点的信息量。
在确定各节点的初始信息量后,在图的结构对应的信息流动图中,各节点的信息量按照信息流动规则开始信息流动或传播,在不同时刻或预设时间点,可获得各节点在当前时刻的信息量。其中,预设的时间点有多个,可以根据需要设定,例如,若设定节点的初始时刻为第一个预设时间点,也即节点的初始信息量为第一预设时间点下的节点信息量,则预设的时间点的数量可以与节点的数量相同,当然也可以不同。至于时间点间的间隔时间可以根据需要设定,在具体获得各预设时间点下节点的信息量时,可以与时间点间的间隔无关。
步骤205,根据由各节点在所有预设时间点的信息量所形成的信息分布的时间序列,确定图的结构描述信息。
分别获得各节点在不同预设时间点的信息量后,每一节点都可对应一个信息量分布的时间序列,根据所有节点的信息量分布的时间序列,即可确定图的结构描述信息。具体地,可以直接以获得的时间序列作为该图的结构的描述信息,也可以对该时间序列进行一定的处理,如排序等,然后以排序后的时间序列,或者排序后选择的某一序列作为图的结构的描述信息。
本发明实施例在提取图的结构后,通过将图的结构转化为信息流动图,获得各节点与时间相关的信息量分布,实现了对图的结构的动态分析,进而获得了图的结构的动态描述信息,从而增加了图的结构描述信息的信息量,充分表征了图的结构,可以更有效地描述图的结构。
在给定图像中提取图的结构后,将图的结构转化为信息流动图,在本发明的一个示例性实施例中,该信息流动图以马尔科夫图为例进行说明,则将该图的结构转换为马尔科夫图的过程,如图3所示,可以包括以下步骤:
步骤301,在图的结构中每个节点上增加指向自己的有向边。
图的结构以图4a、4b为例进行说明,该图的结构中包含a、b、c、d四个节点,在每个节点上增加指向自己的有向边,例如图4b中节点a指向自己的边。
步骤302,根据图的结构中节点间的连线确定对应的节点间的有向边。
如图4a所示,节点a、b之间以及a、d之间存在连线,且两连线均无指向,也即为无向边,则两连线分别对应两条有向边,如ab间连线对应a指向b的有向边和b指向a的有向边,ad间的连线对应a指向d的有向边和d指向a的有向边,其它节点间的连线类似。
在另一实施例中,如果两节点间的连线为有向边,则该连线只对应一条有向边,该有向边与节点间连线的指向相同。
其中,步骤301和步骤302的顺序可以调整。
步骤303,基于节点和节点间连线的原始标记分布计算获得各有向边的权重。
在获得图的结构中所有的有向边后,在图的结构中存在节点和节点间连线的原始标记分布,例如图4a中,节点a的原始标记为1,节点d的原始标记为4,......,连线ab的原始标记为5,连线ad的原始标记为7,......,则根据该原始标记分布,可计算获得各有向边的权重。
在计算权重时,首先对各节点上的权重归一化,例如,节点a上的标记总值为1(节点a的标记)+5(边ab的标记)+6(边ac的标记)+7(边ad的标记)=19,类似的,节点b上的标记总值为5+2+8=15,节点c的标记总值为18,节点d的标记总值为28。
然后,计算各有向边的权重W。其中,有向边的权重W是根据该有向边所对应的连线的标记值和该有向边所流出的节点上的标记总值进行计算的,例如,a到b的有向边是流出节点a的,则a到b的有向边的权重Wab为(ab连线的标记值)/(节点a的标记总值)=5/19,而b到a的有向边是流出节点b的,则b到a的有向边的权重Wba为(ab连线的标记值)/(节点b的标记总值)=5/15,类似的,Wac=6/19,Wca=6/18,Wcd=9/18,Wdc=9/28,Wbd=8/15,Wdb=8/28。另外,对于指向自身的有向边,类似的计算可获得,Waa、Wbb、Wcc、Wdd依次为1/19、2/15、3/18、4/28。
经过以上三个步骤后,可获得图4a的结构转化后的马尔科夫图,如图4b所示。
对于其它的图的结构采用上述步骤也同样可以获得其马尔科夫图,如图5所示。另外,对于没有明确标记节点和节点间连线的标记值的图的结构,如图6所示,则可默认为其节点的原始标记为1,节点间连接线的原始标记为1,其对应的马尔科夫图如图6所示。
由此获得的包括图的结构中每个节点指向自己的有向边,节点间的连线所对应的有向边,以及基于节点和节点间连线的原始标记分布计算获得的各有向边的权重的马尔科夫图,可作为图的结构的信息流动图。在该马尔科夫图中,信息流动的规则即为各节点的信息量按照节点间的有向边和有向边的权重进行信息流动。
在将图的结构转化为信息流动图后,图的结构中各节点的信息量按照信息流动图中的流动规则进行流动,在进行信息流动前,需要先确定各节点的初始信息量,本发明的一个示例性实施例中,如图7所示,确定各节点初始信息量的方法可以包括以下步骤:
步骤701,判断图的结构是非正则图结构还是正则图结构。
在本实施例中,根据图的结构来判断节点的初始信息量。当图的结构中各节点流出的边的数量相同,且各节点流出边的权重也相同时,该图为正则图,反之为非正则图。
步骤702,如果是非正则图结构,将信息流动图的总信息量在各节点的平均值作为各节点的初始信息量。
如果是非正则图结构,则可认为图的结构中各节点的初始信息量相同,均为总信息量在所有节点的平均值,例如图4a、图6所示即为非正则图。
步骤703,如果是正则图结构,则在各节点中选择初始节点。
在正则图中,该初始节点的选择是任意的,为了获取该图的结构的完整的描述信息,该初始节点的选择需要在各节点间轮循。
步骤704,将初始节点在信息流动图中的初始信息量确定为1,其它节点在信息流动图中的初始信息量确定为0。
如图5所示即为正则图。
在确定节点的初始信息量后,进一步根据各节点的初始信息量,按照信息流动规则,计算各节点在预设时间点的信息量,本发明的一个示例性实施例中,计算各节点在预设时间点的信息量的过程,如图8所示,可以包括以下步骤:
步骤801,分别计算各节点当前预设时间点的信息量与其流向某一节点的有向边的权重的乘积。
首先,假设节点j在当前预设时间点t的信息量为Pjt,该节点j流向节点i的有向边的权重为Wji,则节点j在t时刻的信息量与其流向节点i的有向边的权重的乘积即为PjtWji,其中,节点i,j均为图的结构中的节点,i、j仅用于标识节点,节点i,j可以是同一节点(此时节点j流向节点i的有向边也即该节点指向自己的有向边),也可以是不同的节点。
例如,节点j的初始信息量为Pj0,也即节点j在第一个预设时间点(t0)下的信息量为Pj0。该节点j流向节点i的有向边的权重为Wji。
则节点j在t0时刻的信息量与其流向节点i的有向边的权重的乘积即为PjoWji。
步骤802,将所获得的各节点对应的乘积的和作为该某一节点在下一预设时间点的信息量。
按照上述方法,只要确定各节点的初始信息量,即可获得各节点在n个预设时间点(t0~tn-1)下的信息量。其中,各节点的初始信息量可以是预先设定的,也可以是基于图的结构确定的,例如正则图或非正则图等。
在获得各节点在预设时间点的信息量后,即可获得各节点信息分布的时间序列,进而可据此确定图的结构描述信息。本发明的一个示例性实施例中,如果该图的结构为非正则图结构,则该确定图的结构描述信息的过程,如图9所示,可以包括以下步骤:
步骤901,分别获得各节点在所有预设时间点的信息量所形成的信息分布的时间序列。
在本实施例中,为了获得足以描述图的结构的信息,规定预设时间点的数量至少等于图的结构中节点的数量,也即预设时间点t0~tn-1中,n就等于节点的数量。
则按照前述方法,节点i在n个预设时间点(t0~tn-1)下的信息量即为:Pi0,Pi1,......,Pin-1。对于非正则图,由于各节点的初始信息量相同,为统一分布,所以,图的结构中所有节点在所有预设时间点的信息量所形成的信息分布的时间序列,可用一个矩阵表示,即为:
以图4a、4b为例进行说明,该图的结构为非正则图,节点a、b、c、d之间的初始信息量统一分布,则Pa0=Pb0=Pc0=Pd0=1/4(第一预设时间点t0下的信息量)。
根据如图4b中所示的各有向边的权重,在第二个预设时间点(t1)下各节点的信息量分布为:
Pa1=Waa*Pa0+Wba*Pb0+Wca*Pc0+Wda*Pd0=0.242325
Pb1=Wbb*Pb0+Wab*Pa0+Wdb*Pd0=0.170551
Pc1=Wcc*Pc0+Wac*Pa0+Wdc*Pd0=0.200971
Pd1=Wdd*Pd0+Wad*Pa0+Wbd*Pb0+Wcd*Pc0=0.386153
第三个预设时间点(t2)下各节点的信息量分布为:
Pa2=Waa*Pa1+Wba*Pb1+Wca*Pc1+Wda*Pd1=0.233133
Pb2=Wbb*Pb1+Wab*Pa1+Wdb*Pd1=0.196839
Pc2=Wcc*Pc1+Wac*Pa1+Wdc*Pd1=0.234139
Pd2=Wdd*Pd1+Wad*Pa1+Wbd*Pb1+Wcd*Pc1=0.335888
以此类推,可获得第四个预设时间点(t3)下各节点的信息量分布为:
Pa3、Pb3、Pc3、Pd3依次为0.239902、0.183564、0.220608、0.355926
则该图4a中所有节点在所有预设时间点的信息量所形成的信息分布的时间序列为:
步骤902,对各节点的信息分布的时间序列按照第一预定规则进行排序。
为了获得可以唯一表示该图的结构的信息分布时间序列,还可以执行本步骤,对各节点的信息分布的时间序列进行排序,其中,排序所执行的第一预定规则可以是预先设定的可获得唯一排序结果的排序规则,例如按照预设位置顺序依次对序列中对应位置的值由大到小或由小到大进行排序等。在本实施例中,按预设时间点的先后顺序对各节点的信息量序列由小到大进行排序,其中,由于Pa0=Pb0=Pc0=Pd0,则按照Pa1、Pb1、Pc1、Pd1的值由小到大进行排序,可得:
步骤903,将排序后的时间序列作为该图的结构描述信息。
该排序后的时间序列即可作为该图的结构的描述信息,当然该时间序列的具体表现形式,可以是以上述矩阵的形式,也可以是数值依次排列的序列等,对该表现形式,此处不作限定。由于该排序后的时间序列可以唯一表示图的结构,使用该排序后的时间序列,可以比较不同的图的结构。
当然,在其它实施例中,如果不要求获得唯一表示该图的结构描述信息,也即无需获得唯一表示该图的结构的信息分布时间序列,则可以省略步骤902。
本发明的另一个示例性实施例中,如果该图的结构为正则图结构,则该确定图的结构描述信息的过程,如图10所示,可以包括以下步骤:
步骤1001,分别以不同的节点作为初始节点,获得初始节点及其它节点在所有预设时间点的信息量所形成的信息分布的时间序列。
本实施例中与非正则图不同的是,非正则图中节点的初始信息量按照统一分布,各初始信息量相同,可获得的各节点在预设时间点的信息量分布为一个矩阵。而对于正则图,由于各节点的初始信息量并非统一分布,每个节点都可以作为初始节点,所以,对于不同节点作为初始节点时即对应不同的信息量分布的矩阵,也就是说,如果有n个节点,则对应n个不同的信息量分布矩阵。
本实施例中与非正则图类似的是,在获得每一个初始节点对应的信息分布的时间序列,为了获得足以描述图的结构的信息,采用的预设时间点的数量至少等于图的结构中节点的数量,也即预设时间点t0~tn-1中,n就等于节点的数量。节点i在n个预设时间点(t0~tn-1)下的信息量即为:Pi0,Pi1,......,Pin-1。该图的结构中当任一节点作为初始节点时,所有节点在所有预设时间点的信息量所形成的信息分布的时间序列,均可用一个矩阵表示,即为:
不同节点作为初始节点时,所对应的矩阵不同。
在本步骤中,首先以不同的节点作为初始节点,获得所有的信息分布的时间序列。以下,以图5所示的正则图为例进行说明。
图5中,各节点的原始标记均为1,各节点流出边的数量以及各流出边的权重均相同(均为1/4)。
当选择节点a作为初始节点时,则Pa0=1,Pb0=Pc0=Pd0=Pe0=Pf0=0(第一预设时间点t0下的信息量)。
根据图5中各有向边的权重均为1/4可知,在第二个预设时间点(t1)下各节点的信息量分布为:
Pa1=Waa*Pa0+Wba*Pb0+Wca*Pc0+Wfa*Pf0=0.25
Pb1=Wbb*Pb0+Wab*Pa0+Wcb*Pc0+Web*Pe0=0.25
Pc1=Waa*Pa0+Wba*Pb0+Wca*Pc0+Wfa*Pf0=0.25
Pd1=Wdd*Pd0+Wcd*Pc0+Wed*Pe0+Wfd*Pf0=0
Pe1=Wee*Pe0+Wbe*Pb0+Wde*Pd0+Wfe*Pf0=0
Pf1=Wff*Pf0+Waf*Pa0+Wef*Pe0+Wdf*Pd0=0.25
以此类推,可获得第三至第六个预设时间点(t2~t5)下各节点的信息量分布为:
Pa2、Pb2、Pc2、Pd2、Pe2、Pf2依次为0.25、0.1875、0.1875、0.125、0.125、0.125
Pa3、Pb3、Pc3、Pd3、Pe3、Pf3依次为0.1875、0.1875、0.1875、0.1406、0.1406、0.1562
Pa4、Pb4、Pc4、Pd4、Pe4、Pf4依次为0.1797、0.1758、0.1758、0.1562、0.1562、0.1562
Pa5、Pb5、Pc5、Pd5、Pe5、Pf5依次为0.1719、0.1719、0.1719、0.1611、0.1611、0.1621
则当选择节点a作为初始节点时,所有节点在所有预设时间点的信息量所形成的信息分布的时间序列为:
参照以上计算方法,可依次计算获得:以节点b作为初始节点时(Pb0=1,Pa0=Pc0=Pd0=Pe0=Pf0=0),所有节点在所有预设时间点的信息量所形成的信息分布的时间序列;以节点c作为初始节点时(Pc0=1,Pa0=Pb0=Pd0=Pe0=Pf0=0),所有节点在所有预设时间点的信息量所形成的信息分布的时间序列;以节点d作为初始节点时(Pd0=1,Pa0=Pb0=Pc0=Pe0=Pf0=0),所有节点在所有预设时间点的信息量所形成的信息分布的时间序列;以节点e作为初始节点时(Pe0=1,Pa0=Pb0=Pc0=Pd0=Pf0=0),所有节点在所有预设时间点的信息量所形成的信息分布的时间序列;以节点f作为初始节点时(Pf0=1,Pa0=Pb0=Pc0=Pd0=Pe0=0),所有节点在所有预设时间点的信息量所形成的信息分布的时间序列。
步骤1002,对相同初始节点对应的各节点的信息分布的时间序列按照第二预定规则进行排序。
为了获得可以唯一表示该图的结构的信息分布时间序列,还可以执行本步骤,对相同初始节点对应的各节点的信息分布的时间序列分别进行排序,其中,排序所执行的第一预定规则可以是预先设定的可获得唯一排序结果的排序规则,例如按照预设位置顺序依次对序列中对应位置的值由大到小或由小到大进行排序等。在本实施例中,按预设时间点的先后顺序对各节点的信息量序列由小到大进行排序。
以节点a为初始节点对应的各节点的信息分布时间序列为例进行说明。
对该时间序列 按照预设时间点的先后顺序对各节点的信息量序列的值由小到大进行排序,首先,根据Pa0、Pb0、Pc0、Pd0、Pe0、Pf0的值由小到大进行排序,由于Pb0、Pc0、Pd0、Pe0、Pf0的值相同,则继续按照Pb1、Pc1、Pd1、Pe1、Pf1的值由小到大进行排序,以此类推,最终可得排序后初始节点为a的时间序列为:
同理可获得排序后的以其它节点为初始节点的时间序列:Pb、Pc、Pd、Pe、Pf。
步骤1003,按照预置选择规则,选择排序后的某一初始节点对应的各节点的信息分布的时间序列作为图的结构描述信息。
根据以上步骤可获得一个依赖于各节点的图的数列表示,进一步,可以从n个节点相关的序列中选择一个特定的图的序列,来移除对节点位置的依赖,该选择规则可以根据需要预先约定,例如对描述为序列形式的以各节点为初始节点的时间序列进行排序后,固定选择其中的第j个序列作为该图的结构描述信息,简单地,该第j个序列可以是第一个序列,也即最小的一个。在本实施例中,由于Pa,Pb,Pc,Pd,Pe和Pf全部相同,所以使用(Pdt Pet Pft Pbt Pct Pat)作为该图的结构描述信息。
当然,在其它实施例中,如果不要求获得唯一表示该图的结构描述信息,也即无需获得唯一表示该图的结构的信息分布时间序列,则可以省略步骤1002。
本发明实施例通过上述方法,在提取图的结构后,通过将图的结构转化为信息流动图,获得各节点与时间相关的信息量分布,实现了对图的结构的动态分析,进而获得了图的结构的动态描述信息,从而增加了图的结构描述信息的信息量,充分表征了图的结构,可以更有效地描述图的结构。
在基于以上方法获得图的结构描述信息后,在本发明的另一个示例性实施例中,还可以基于图的结构描述信息进行图结构的比较,如图11所示的方法,可以包括:
步骤1101,获得待对比的至少两个图的结构描述信息。
在需要比较多个图的结构是否相同时,也即图的同型问题,首先按照前述方法获得所有图的结构描述信息,也即获得一个时间序列或矩阵。
步骤1102,比较图的结构描述信息是否相同。
如果相同,则说明图的结构相同,如果不同,则说明图的结构不同。
以上图的结构的比较方法可以用于两个图或者多个图的结构比较。
以上是对本发明方法实施例的描述,下面对实现上述方法的装置实施例进行介绍。
参见图12,为本发明实施例一种获得图的结构描述信息的装置结构示意图。
该装置可以包括:
结构提取单元1201,配置为在给定图像中提取图的结构。
图转换单元1202,配置为将图的结构转换为信息流动图,该信息流动图用以表征由所述图的结构定义的信息流动空间,图的结构中各节点按照所述信息流动图中的信息流动规则进行信息流动。
初始值确定单元1203,配置为确定图的结构中各节点在信息流动图中的初始信息量。
信息量计算单元1204,配置为根据各节点的初始信息量,按照信息流动规则,计算各节点在预设时间点的信息量。
信息确定单元1205,配置为根据由各节点在所有预设时间点的信息量所形成的信息分布的时间序列,确定图的结构描述信息。
结构提取单元1201从给定图像中提取图的结构后,由图转换单元1202按照图的结构中的节点和节点间的连线,将该图的结构转换为信息流动图,以便于后续基于该信息流动图对该图的结构进行动态分析,获得动态的描述信息。在各节点的信息量按照信息流动规则进行流动或传播之前,初始值确定单元1203先确定各节点的初始信息量,该初始信息量的确定可以与图的结构无关,也可以基于图的结构进行确定。例如,如果图的结构为非正则图结构,则各节点的初始信息量按照统一分布的原则进行分配,也即各节点的初始信息量相同,等于总信息量在各节点的平均值;如果图的结构为正则图结构,在确定各节点的初始信息量时,可以选择其中一个节点作为初始节点,然后确定该初始节点的初始信息量为1,其它节点的初始信息量为0。该初始节点的选择可以是任意的,在确定各节点的初始信息量后,信息量计算单元1204获得各节点在不同时刻或预设时间点的信息量。其中,预设的时间点有多个,可以根据需要设定。例如,若设定节点的初始时刻为第一个预设时间点,也即节点的初始信息量为第一预设时间点下的节点信息量,则预设的时间点的数量可以与节点的数量相同,当然也可以不同。信息确定单元1205根据所有节点的信息量分布的时间序列,即可确定图的结构描述信息。
本发明实施例通过上述单元,实现了对图的结构的动态分析,进而获得了图的结构的动态描述信息,从而增加了图的结构描述信息的信息量,充分表征了图的结构,可以更有效地描述图的结构。
其中,在本发明的一个示例性实施例中,图转换单元可具体被配置为将所述图的结构转换为马尔科夫图,所述马尔科夫图中包含所述图的结构中每个节点指向自己的有向边,节点间的连线所对应的有向边,以及基于节点和节点间连线的原始标记分布计算获得的各有向边的权重;所述信息流动规则为各节点的信息量按照节点间的有向边和有向边的权重进行信息流动。
在本发明的另一个示例性实施例中,该信息量计算单元可以包括如图13所示的结构:
第一计算子单元1301,被配置为分别计算各节点当前预设时间点的信息量与其流向某一节点的有向边的权重的乘积。
第二计算子单元1302,被配置为将所获得的各节点对应的乘积的和作为所述某一节点在下一预设时间点的信息量。
在本发明的另一个示例性实施例中,初始值确定单元具体可以被配置为当所述图的结构为非正则图结构时,将所述信息流动图的总信息量在各节点的平均值作为所述各节点的初始信息量。在该初始值确定单元确定各节点的初始信息量以后,信息确定单元具体可以包括如图14所示的结构:
第一获取子单元1401,被配置为分别获得各节点在所有预设时间点的信息量所形成的信息分布的时间序列。
第一排序子单元1402,被配置为对各节点的信息分布的时间序列按照第一预定规则进行排序。
第一确定子单元1403,被配置为将排序后的时间序列作为所述图的结构描述信息。
在本发明的另一个示例性实施例中,初始值确定单元具体还可以包括如图15所示的结构:
选择子单元1501,被配置为当所述图的结构为正则图结构时,在各节点中选择初始节点
初始确定子单元1502,被配置为将所述初始节点在所述信息流动图中的初始信息量确定为1,其它节点在所述信息流动图中的初始信息量确定为0。
当初始值确定单元在按照上述选择子单元1501、初始确定子单元1502确定各节点的初始信息量后,信息确定单元具体可以包括如图16所示的结构:
第二获取子单元1601,被配置为分别以不同的节点作为所述初始节点,获得初始节点及其它节点在所有预设时间点的信息量所形成的信息分布的时间序列
第二排序子单元1602,被配置为对相同初始节点对应的各节点的信息分布的时间序列按照第二预定规则进行排序
第二确定子单元1603,被配置为按照预置选择规则,选择排序后的一初始节点对应的各节点的信息分布的时间序列作为所述图的结构描述信息。
通过本发明实施例中上述装置的各单元实现了对图的结构的动态分析,进而获得了图的结构的动态描述信息,从而增加了图的结构描述信息的信息量,充分表征了图的结构,可以更有效地描述图的结构。
另外,还应该指出的是,上述系列处理和装置也可以通过软件和/或硬件和/或固件实现。在通过软件和/或固件实现的情况下,从存储介质或网络向具有专用硬件结构的计算机,例如图17所示的通用个人计算机1700安装构成该软件的程序,该计算机在安装有各种程序时,能够执行各种功能等等。
在图17中,中央处理单元(CPU)1701根据只读存储器(ROM)1702中存储的程序或从存储部分1708加载到随机存取存储器(RAM)1703的程序执行各种处理。在RAM 1703中,也根据需要存储当CPU 1701执行各种处理等等时所需的数据。
CPU 1701、ROM 1702和RAM 1703经由总线1704彼此连接。输入/输出接口1705也连接到总线1704。
下述部件连接到输入/输出接口1705:输入部分1706,包括键盘、鼠标等等;输出部分1707,包括显示器,比如阴极射线管(CRT)、液晶显示器(LCD)等等,和扬声器等等;存储部分1708,包括硬盘等等;和通信部分1709,包括网络接口卡比如LAN卡、调制解调器等等。通信部分1709经由网络比如因特网执行通信处理。
根据需要,驱动器1710也连接到输入/输出接口1705。可拆卸介质1711比如磁盘、光盘、磁光盘、半导体存储器等等根据需要被安装在驱动器1710上,使得从中读出的计算机程序根据需要被安装到存储部分1708中。
在通过软件实现上述系列处理的情况下,从网络比如因特网或存储介质比如可拆卸介质1711安装构成软件的程序。
本领域的技术人员应当理解,这种存储介质不局限于图17所示的其中存储有程序、与设备相分离地分发以向用户提供程序的可拆卸介质1711。可拆卸介质1711的例子包含磁盘(包含软盘(注册商标))、光盘(包含光盘只读存储器(CD-ROM)和数字通用盘(DVD))、磁光盘(包含迷你盘(MD)(注册商标))和半导体存储器。或者,存储介质可以是ROM 1702、存储部分1708中包含的硬盘等等,其中存有程序,并且与包含它们的设备一起被分发给用户。
还需要指出的是,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
本发明的上述方法和装置实施例可以应用于各种图像处理领域中关于图的结构描述信息的获取过程中,例如从电子领域中的电子线路中提取电路结构后获取图的结构描述信息,再例如,从各种网络架构中(如通讯网,互联网,交通网),提取网络数据结构后获取图的结构描述信息,在化学领域或生物领域中提取分子结构或DNA、RNA结构后获得图的结构描述信息等。在获得图的结构描述信息后,就可以借助于这种描述信息对图进行各种后续处理,例如,比较各图是否相同,等等。
关于包括以上实施例的实施方式,还公开下述附记:
附记1.一种获得图的结构描述信息的方法,包括:
在给定图像中提取图的结构;
将所述图的结构转换为信息流动图,所述信息流动图用以表征由所述图的结构定义的信息流动空间,所述图的结构中各节点按照所述信息流动图中的信息流动规则进行信息流动;
确定所述图的结构中各节点在所述信息流动图中的初始信息量;
根据所述各节点的初始信息量,按照所述信息流动规则,计算所述各节点在预设时间点的信息量;
根据由所述各节点在所有预设时间点的信息量所形成的信息分布的时间序列,确定所述图的结构描述信息。
附记2.根据附记1所述的方法,其中,所述将所述图的结构转换为信息流动图,包括:
将所述图的结构转换为马尔科夫图,所述马尔科夫图中包含所述图的结构中每个节点指向自己的有向边,节点间的连线所对应的有向边,以及基于节点和节点间连线的原始标记分布计算获得的各有向边的权重;
所述信息流动规则为各节点的信息量按照节点间的有向边和有向边的权重进行信息流动。
附记3.根据附记2所述的方法,其中,所述根据所述各节点的初始信息量,按照所述信息流动规则,计算所述各节点在预设时间点的信息量,包括:
分别计算各节点当前预设时间点的信息量与其流向某一节点的有向边的权重的乘积;
将所获得的各节点对应的乘积的和作为所述某一节点在下一预设时间点的信息量。
附记4.根据附记1至3中任意一项所述的方法,其中,所述确定所述图的结构中各节点在所述信息流动图中的初始信息量,包括:
当所述图的结构为非正则图结构时,将所述信息流动图的总信息量在各节点的平均值作为所述各节点的初始信息量。
附记5.根据附记4所述的方法,其中,所述根据由所述各节点在所有预设时间点的信息量所形成的信息分布的时间序列,确定所述图的结构描述信息,包括:
分别获得各节点在所有预设时间点的信息量所形成的信息分布的时间序列;
对各节点的信息分布的时间序列按照第一预定规则进行排序;
将排序后的时间序列作为所述图的结构描述信息。
附记6.根据附记1至3中任意一项所述的方法,其中,所述确定所述图的结构中各节点在所述信息流动图中的初始信息量,包括:
当所述图的结构为正则图结构时,在各节点中选择初始节点;
将所述初始节点在所述信息流动图中的初始信息量确定为1,其它节点在所述信息流动图中的初始信息量确定为0。
附记7.根据附记6所述的方法,其中,所述根据由所述各节点在所有预设时间点的信息量所形成的信息分布的时间序列,确定所述图的结构描述信息,包括:
分别以不同的节点作为所述初始节点,获得初始节点及其它节点在所有预设时间点的信息量所形成的信息分布的时间序列;
对相同初始节点对应的各节点的信息分布的时间序列按照第二预定规则进行排序;
按照预置选择规则,选择排序后的一初始节点对应的各节点的信息分布的时间序列作为所述图的结构描述信息。
附记8.根据附记1所述的方法,其中,所述预设时间点的数量至少等于所述图的结构中节点的数量。
附记9.一种图结构对比方法,包括:
根据上述附记1至8中任意一项所述的方法,获得至少两个图的结构描述信息;
若所述至少两个图的结构描述信息相同,则所述至少两个图的结构相同。
附记10.一种获得图的结构描述信息的装置,包括:
结构提取单元,配置为在给定图像中提取图的结构;
图转换单元,配置为将所述图的结构转换为信息流动图,所述信息流动图用以表征由所述图的结构定义的信息流动空间,所述图的结构中各节点按照所述信息流动图中的信息流动规则进行信息流动;
初始值确定单元,配置为确定所述图的结构中各节点在所述信息流动图中的初始信息量;
信息量计算单元,配置为根据所述各节点的初始信息量,按照所述信息流动规则,计算所述各节点在预设时间点的信息量;
信息确定单元,配置为根据由所述各节点在所有预设时间点的信息量所形成的信息分布的时间序列,确定所述图的结构描述信息。
附记11.根据附记10所述的装置,其中,
所述图转换单元,具体被配置为将所述图的结构转换为马尔科夫图,所述马尔科夫图中包含所述图的结构中每个节点指向自己的有向边,节点间的连线所对应的有向边,以及基于节点和节点间连线的原始标记分布计算获得的各有向边的权重;所述信息流动规则为各节点的信息量按照节点间的有向边和有向边的权重进行信息流动。
附记12.根据附记11所述的装置,其中,所述信息量计算单元包括:
第一计算子单元,被配置为分别计算各节点当前预设时间点的信息量与其流向某一节点的有向边的权重的乘积;
第二计算子单元,被配置为将所获得的各节点对应的乘积的和作为所述某一节点在下一预设时间点的信息量。
附记13.根据附记10至12中任意一项所述的装置,其中,
所述初始值确定单元,具体被配置为当所述图的结构为非正则图结构时,将所述信息流动图的总信息量在各节点的平均值作为所述各节点的初始信息量。
附记14.根据附记13所述的装置,其中,所述信息确定单元包括:
第一获取子单元,被配置为分别获得各节点在所有预设时间点的信息量所形成的信息分布的时间序列;
第一排序子单元,被配置为对各节点的信息分布的时间序列按照第一预定规则进行排序;
第一确定子单元,被配置为将排序后的时间序列作为所述图的结构描述信息。
附记15.根据附记10至12中任意一项所述的装置,其中,所述初始值确定单元包括:
选择子单元,被配置为当所述图的结构为正则图结构时,在各节点中选择初始节点;
初始确定子单元,被配置为将所述初始节点在所述信息流动图中的初始信息量确定为1,其它节点在所述信息流动图中的初始信息量确定为0。
附记16.根据附记15所述的装置,其中,所述信息确定单元包括:
第二获取子单元,被配置为分别以不同的节点作为所述初始节点,获得初始节点及其它节点在所有预设时间点的信息量所形成的信息分布的时间序列;
第二排序子单元,被配置为对相同初始节点对应的各节点的信息分布的时间序列按照第二预定规则进行排序;
第二确定子单元,被配置为按照预置选择规则,选择排序后的一初始节点对应的各节点的信息分布的时间序列作为所述图的结构描述信息。
虽然已经详细说明了本发明及其优点,但是应当理解在不脱离由所附的权利要求所限定的本发明的精神和范围的情况下可以进行各种改变、替代和变换。而且,本发明实施例的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个......”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种获得图的结构描述信息的方法,包括:
在给定图像中提取图的结构;
将所述图的结构转换为信息流动图,所述信息流动图用以表征由所述图的结构定义的信息流动空间,所述图的结构中各节点按照所述信息流动图中的信息流动规则进行信息流动;
确定所述图的结构中各节点在所述信息流动图中的初始信息量;
根据所述各节点的初始信息量,按照所述信息流动规则,计算所述各节点在预设时间点的信息量;
根据由所述各节点在所有预设时间点的信息量所形成的信息分布的时间序列,确定所述图的结构描述信息。
2.根据权利要求1所述的方法,其中,所述将所述图的结构转换为信息流动图,包括:
将所述图的结构转换为马尔科夫图,所述马尔科夫图中包含所述图的结构中每个节点指向自己的有向边,节点间的连线所对应的有向边,以及基于节点和节点间连线的原始标记分布计算获得的各有向边的权重;
所述信息流动规则为各节点的信息量按照节点间的有向边和有向边的权重进行信息流动。
3.根据权利要求2所述的方法,其中,所述根据所述各节点的初始信息量,按照所述信息流动规则计算所述各节点在预设时间点的信息量,包括:
分别计算各节点当前预设时间点的信息量与其流向某一节点的有向边的权重的乘积;
将所获得的各节点对应的乘积的和作为所述某一节点在下一预设时间点的信息量。
4.根据权利要求1至3中任意一项所述的方法,其中,所述确定所述图的结构中各节点在所述信息流动图中的初始信息量,包括:
当所述图的结构为非正则图结构时,将所述信息流动图的总信息量在各节点的平均值作为所述各节点的初始信息量。
5.根据权利要求4所述的方法,其中,所述根据由所述各节点在所有预设时间点的信息量所形成的信息分布的时间序列,确定所述图的结构描述信息,包括:
分别获得各节点在所有预设时间点的信息量所形成的信息分布的时间序列;
对各节点的信息分布的时间序列按照第一预定规则进行排序;将排序后的时间序列作为所述图的结构描述信息。
6.根据权利要求1至3中任意一项所述的方法,其中,所述确定所述图的结构中各节点在所述信息流动图中的初始信息量,包括:
当所述图的结构为正则图结构时,在各节点中选择初始节点;
将所述初始节点在所述信息流动图中的初始信息量确定为1,其它节点在所述信息流动图中的初始信息量确定为0。
7.根据权利要求6所述的方法,其中,所述根据由所述各节点在所有预设时间点的信息量所形成的信息分布的时间序列,确定所述图的结构描述信息,包括:
分别以不同的节点作为所述初始节点,获得初始节点及其它节点在所有预设时间点的信息量所形成的信息分布的时间序列;
对相同初始节点对应的各节点的信息分布的时间序列按照第二预定规则进行排序;
按照预置选择规则,选择排序后的某一初始节点对应的各节点的信息分布的时间序列作为所述图的结构描述信息。
8.根据权利要求1所述的方法,其中,所述预设时间点的数量至少等于所述图的结构中节点的数量。
9.一种图结构对比方法,包括:
根据上述权利要求1至8中任意一项所述的方法,获得待对比的至少两个图的结构描述信息;
若所述至少两个图的结构描述信息相同,则所述待对比的至少两个图的结构相同。
10.一种获得图的结构描述信息的装置,包括:
结构提取单元,配置为在给定图像中提取图的结构;
图转换单元,配置为将所述图的结构转换为信息流动图,所述信息流动图用以表征由所述图的结构定义的信息流动空间,所述图的结构中各节点按照所述信息流动图中的信息流动规则进行信息流动;
初始值确定单元,配置为确定所述图的结构中各节点在所述信息流动图中的初始信息量;
信息量计算单元,配置为根据所述各节点的初始信息量,按照所述信息流动规则,计算所述各节点在预设时间点的信息量;
信息确定单元,配置为根据由所述各节点在所有预设时间点的信息量所形成的信息分布的时间序列,确定所述图的结构描述信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110379668.8A CN103106323B (zh) | 2011-11-10 | 2011-11-10 | 获得图的结构描述信息的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110379668.8A CN103106323B (zh) | 2011-11-10 | 2011-11-10 | 获得图的结构描述信息的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103106323A true CN103106323A (zh) | 2013-05-15 |
CN103106323B CN103106323B (zh) | 2016-06-15 |
Family
ID=48314177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110379668.8A Expired - Fee Related CN103106323B (zh) | 2011-11-10 | 2011-11-10 | 获得图的结构描述信息的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103106323B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110598847A (zh) * | 2019-08-15 | 2019-12-20 | 阿里巴巴集团控股有限公司 | 处理交互序列数据的方法及装置 |
US10970350B2 (en) | 2019-08-15 | 2021-04-06 | Advanced New Technologies Co., Ltd. | Method and apparatus for processing user interaction sequence data |
CN113792152A (zh) * | 2021-08-23 | 2021-12-14 | 南京信息工程大学 | 一种三角图与知识图谱的融合方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07191959A (ja) * | 1993-11-12 | 1995-07-28 | Shinu Ko | ダイナミックシミュレーションシステム |
CN102185836A (zh) * | 2011-04-15 | 2011-09-14 | 哈尔滨工业大学 | 基于信息流模型的单机电子文档保护*** |
-
2011
- 2011-11-10 CN CN201110379668.8A patent/CN103106323B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07191959A (ja) * | 1993-11-12 | 1995-07-28 | Shinu Ko | ダイナミックシミュレーションシステム |
CN102185836A (zh) * | 2011-04-15 | 2011-09-14 | 哈尔滨工业大学 | 基于信息流模型的单机电子文档保护*** |
Non-Patent Citations (2)
Title |
---|
CHRIS BIEMANN: "Chinese Whispers - an Efficient Graph Clustering Algorithm and its Application to Natural Language Processing Problems", 《PROCEEDINGS OF THE HLT-NAACL-06 WORKSHOP ON TEXTGRAPHS-06》 * |
曾建等: "基于依赖图的信息流图构建方法", 《计算机应用研究》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110598847A (zh) * | 2019-08-15 | 2019-12-20 | 阿里巴巴集团控股有限公司 | 处理交互序列数据的方法及装置 |
CN110598847B (zh) * | 2019-08-15 | 2020-08-28 | 阿里巴巴集团控股有限公司 | 处理交互序列数据的方法及装置 |
US10970350B2 (en) | 2019-08-15 | 2021-04-06 | Advanced New Technologies Co., Ltd. | Method and apparatus for processing user interaction sequence data |
US11250088B2 (en) | 2019-08-15 | 2022-02-15 | Advanced New Technologies Co., Ltd. | Method and apparatus for processing user interaction sequence data |
CN113792152A (zh) * | 2021-08-23 | 2021-12-14 | 南京信息工程大学 | 一种三角图与知识图谱的融合方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103106323B (zh) | 2016-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110209808B (zh) | 一种基于文本信息的事件生成方法以及相关装置 | |
CN106202032B (zh) | 一种面向微博短文本的情感分析方法及其*** | |
CN108287864B (zh) | 一种兴趣群组划分方法、装置、介质及计算设备 | |
CN102184169B (zh) | 用于确定字符串信息间相似度信息的方法、装置和设备 | |
Pettie et al. | Computing shortest paths with comparisons and additions | |
CN103984714B (zh) | 一种基于本体语义的云制造服务供需智能匹配方法 | |
CN101576903B (zh) | 一种文档相似度衡量方法 | |
CN101315644B (zh) | 基于可拓聚类的零件分类方法 | |
CN104199836B (zh) | 一种基于子兴趣划分的标注用户模型建构方法 | |
CN104008420A (zh) | 一种基于自动编码机的分布式离群点检测方法及*** | |
CN104881399B (zh) | 基于概率软逻辑psl的事件识别方法和*** | |
CN107316062A (zh) | 一种改进的面向领域的命名实体消歧方法 | |
CN107247753A (zh) | 一种相似用户选取方法及装置 | |
CN113886708A (zh) | 基于用户信息的产品推荐方法、装置、设备及存储介质 | |
CN103106323A (zh) | 获得图的结构描述信息的方法及装置 | |
CN115687794A (zh) | 用于推荐物品的学生模型训练方法、装置、设备及介质 | |
CN103095849A (zh) | 基于QoS属性预测和纠错的有监督Web服务发现方法及*** | |
Zhang et al. | Hierarchical bilinear convolutional neural network for image classification | |
CN111667018B (zh) | 一种对象聚类的方法、装置、计算机可读介质及电子设备 | |
CN112860850B (zh) | 人机交互方法、装置、设备及存储介质 | |
CN104778205A (zh) | 一种基于异构信息网络的移动应用排序和聚类方法 | |
CN112632264A (zh) | 智能问答方法、装置、电子设备及存储介质 | |
Yan et al. | Latent semantic extraction and analysis for TRIZ-based inventive design | |
TW201822025A (zh) | 比較表格自動產生方法、裝置及其電腦程式產品 | |
CN112784040B (zh) | 基于语料库的垂直行业文本分类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160615 Termination date: 20181110 |
|
CF01 | Termination of patent right due to non-payment of annual fee |