CN107135137A - 网络群组识别方法及装置 - Google Patents

Abstract

本申请实施例公开了一种网络群组识别方法及装置。所述网络群组识别方法包括：接收包含主动节点和被动节点关系的关系集合；计算所述关系集合中被动节点之间具有共同主动节点的数量；筛选出所述具有共同主动节点的数量大于预设阈值的被动节点对；将所述被动节点对及有关系的主动节点划分为一个可疑群组；判断所述可疑群组的密度是否大于预设密度；若是，则将该可疑群组确定为网络群组。利用本申请实施例，可以实现自动化地识别网络中的网络群组从而提高了网络群组识别的效率。

Description

网络群组识别方法及装置

技术领域

本申请涉及互联网技术领域，特别涉及一种网络群组识别方法及装置。

背景技术

网络中不同节点之间往往存在着各种各样的关系，通常上述节点可以分为主动节点和被动节点，即两个节点中发起方视为主动节点，响应方视为被动节点。例如网络购物场景中，买家即为主动节点，卖家即为被动节点。

网络中存在有部分主动节点和被动节点之间关系交互过于密集的现象，这种现象可以称之为高密度子网络，所述高密度子网络中的节点也可以视为一个网络群组。通常，这些网络群组会蕴含有特殊的含义，例如买家和卖家之间联合互相刷单的情况。

现在技术中，识别上述网络群组通常通过已知的被动节点来反向查找有关系的主动节点，在通过所述主动节点反向查找其它的被动节点，如此反复反向查找。然而，这种反向查找的方法依赖与人工参与查找，人工查找往往消耗的时间较长。

综上所述，现有技术中存在有识别网络群组效率较低的问题。

发明内容

本申请实施例的目的是提供一种网络群组识别方法及装置，用以解决现有技术中存在有识别网络群组效率较低的问题。

为解决上述技术问题，本申请实施例提供的网络群组识别方法及装置是这样实现的：

一种网络群组识别方法，包括：

接收包含主动节点和被动节点关系对的关系集合；

计算所述关系集合中被动节点之间具有共同主动节点的数量；

筛选出所述具有共同主动节点的数量大于预设阈值的被动节点对；

将与所述被动节点对有关系的主动节点和被动节点关系对划分为可疑群组；

判断所述可疑群组的密度是否大于预设密度；

若是，则将该可疑群组确定为网络群组。

一种网络群组识别装置，包括：

接收单元，用于接收包含主动节点和被动节点关系对的关系集合；

计算单元，用于计算所述关系集合中被动节点之间具有共同主动节点的数量；

筛选单元，用于筛选出所述具有共同主动节点的数量大于预设阈值的被动节点对；

划分单元，用于将与所述被动节点对有关系的主动节点和被动节点关系对划分为可疑群组；

判断单元，用于判断所述可疑群组的密度是否大于预设密度；

确定单元，用于在所述可疑群组的密度大于预设密度时，将该可疑群组确定为网络群组。

由以上本申请实施例提供的技术方案可见，通过计算被动节点之间具有共同主动节点的数量，从而筛选出交互性较高的主动节点及被动节点关系对来构成可疑群组，并通过计算所述可疑群组的密度来确定是否为网络群组。如此，无需人工参与，即可实现自动化地识别网络中的网络群组从而提高了网络群组识别效率。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请一实施例中提供的网络群组识别方法的流程图；

图2为本申请图1中S150具体的方法流程图；

图3为本申请提供的网络群组的关系图；

图4为本申请提供的另一网络群组的关系图；

图5为本申请图1中S130后的方法的流程图；

图6为本申请一实施例中提供的网络群组识别装置的模块示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

图1为本申请一实施例中提供的网络群组识别方法的流程图。本实施例中，所述网络群组识别方法包括如下步骤：

S110：接收包含主动节点和被动节点关系对的关系集合。

如上所述网络中不同节点之间往往存在着各种各样的关系，并且当两个节点***时，会形成一组主动节点和被动节点关系对；若干对主动节点和被动节点关系对可以称为主动节点和被动节点关系对的关系集合。

以交易平台中买家和卖家的关系为例加以说明，交易平台可以获取各个买家和卖家之间发生的交易信息并将收集到的买家(主动节点)和对应卖家(被动节点)关系对的关系集合提供至本申请提供的网络群组识别服务器。例如，一个关系集合{(X1，Y1)，(X1，Y2)，(X2，Y1)，(X2，Y2)，(X2，Y3)，(X2，Y4)，(X3，Y2)，(X3，Y3)，(X3，Y4)，(X4，Y4)，(X4，Y5)}；其中X表示卖家(被动节点)，Y表示买家(主动节点)，相应地(X，Y)则表示被动节点X和主动节点Y关系对。

S120：计算所述关系集合中被动节点之间具有共同主动节点的数量。

本实施例中，在所述关系集合中任意两个被动节点之间，如果存在有共同的主动节点，则该主动节点即可确定为所述两个被动节点之间具有的共同主动节点。

通过本步骤S120可以计算出所述关系集合中被动节点之间全部两两组合后具有共同主动节点的数量。

沿用S110步骤中所举例的关系集合，被动节点包括X1、X2、X3、X4；两两组合后存在有X1和X2；X1和X3；X1和X4；X2和X3；X2和X4；X3和X4。

在被动节点X1，X2之间，具有的共同主动节点为Y1、Y2，则计算后所述被动节点X1，X2之间具有共同主动节点的数量为2个；

在被动节点X1，X3之间，具有的共同主动节点为Y2，则计算后所述被动节点X1，X3之间具有共同主动节点的数量为1个；

在被动节点X1，X4之间，没有共同主动节点，则计算后所述被动节点X1，X4之间具有共同主动节点的数量为0个；

在被动节点X2，X3之间，具有的共同主动节点为Y2、Y3、Y4，则计算后所述被动节点X2，X3之间具有共同主动节点的数量为3个；

在被动节点X2，X4之间，具有的共同主动节点为Y4，则计算后所述被动节点X2，X4之间具有共同主动节点的数量为1个；

在被动节点X3，X4之间，具有的共同主动节点为Y4，则计算后所述被动节点X3，X4之间具有共同主动节点的数量为1个。

S130：筛选所述具有共同主动节点的数量大于预设阈值的被动节点对。

本步骤中所述预设阈值可以人为设置的一个经验值。

本实施例中所述S130步骤，具体还可以包括如下所示的步骤：

A1：逐一判断所述具有共同主动节点的数量是否大于预设阈值。

A2：若是，则确定该数量对应的两个被动节点为被动节点对；返回执行A1，直至判断完所有共同主动节点的数量。

A3：若否，则返回执行A1，直至判断完所有共同主动节点的数量。

沿用S120步骤中的例子，假设所述预设阈值为1。判断被动节点X1，X2之间具有共同主动节点的数量2是否大于1，由于2大于1，所以将被动节点X1，X2确定为被动节点对；接着，判断被动节点X1，X3之间具有共同主动节点的数量1是否大于1，由于1不大于1；所以接着，判断被动节点X1，X4之间具有共同主动节点的数量0是否大于1，由于0不大于1；所以接着，被动节点X2，X3之间具有共同主动节点的数量3是否大于1，由于3大于1，所以将被动节点对X2，X3确定为被动节点对；接着，判断被动节点X2，X4之间具有共同主动节点的数量1是否大于1，由于1不大于1；所以接着，判断被动节点X3，X4之间具有共同主动节点的数量1是否大于1，由于1不大于1；由于判断完所有共同主动节点的数量，结束判断后进行后续步骤。

S140：将与所述被动节点对有关系的主动节点和被动节点关系对划分为可疑群组。

具体地，所述S140步骤包括：

从所述关系集合中查找含有所述被动节点对中任意被动节点的主动节点和被动节点关系对，并将所述主动节点和被动节点关系对划分为可疑群组。

沿用S130步骤中的例子，确定的被动节点对为X1，X2和被动节点对X2，X3。从关系集合{(X1，Y1)，(X1，Y2)，(X2，Y1)，(X2，Y2)，(X2，Y3)，(X2，Y4)，(X3，Y2)，(X3，Y3)，(X3，Y4)，(X4，Y4)，(X4，Y5)}中查找包含有被动节点X1，X2，X3的主动节点和被动节点关系对如下所示：

(X1，Y1)，(X1，Y2)，(X2，Y1)，(X2，Y2)，(X2，Y3)，(X2，Y4)，(X3，Y2)，(X3，Y3)，(X3，Y4)；并将所述主动节点和被动节点关系对划分为可疑群组。

S150：判断所述可疑群组的密度是否大于预设密度。

密度可以用于作为一个衡量可疑群组中主动节点和被动节点之间关系密集的程度。一般的，该密度的值越大，说明该可疑群组中主动节点和被动节点之间关系越密集；反之，该密度的值越小，说明该可疑群组中主动节点和被动节点之间关系越不密集。

本实施例中，计算密度的公式如下所示：

密度＝(主动节点和被动节点关系对数量)/(被动节点数量*主动节点数量)

如图2所示，本实施例中所述S150步骤，具体可以包括如下步骤：

S151：分别获取所述可疑群组中主动节点数量、被动节点的数量及所述群组中主动节点和被动节点关系对数量。

S152：将所述主动节点和被动节点关系对数量除以所述主动节点数量与被动节点数量的乘积，从而得到密度。

S153：判断所述密度是否大于预设密度，若是，则执行S160步骤。

本实施例中，所述预设密度可以是人为设置的一个经验值。

继续沿用S140步骤中的例子，分别获取所述可疑群组中主动节点数量为4个；被动节点数量为3个；而所述主动节点和被动节点关系对数量为9个；

接着计算得到密度＝9/(3*4)＝0.75；

判断密度0.75是否大于预设密度；如果所述预定密度小于0.75，则所述密度0.75大于预设密度，则执行S160步骤；如果所述预设密度不大于0.75，则所述密度0.67不大于预设密度，则终止程序运行。

S160：将该可疑群组确定为网络群组。

由于所述可疑群组的密度大于预设密度，可以说明所述可疑群组中主动节点和被动节点之间关系较为密集，即该可疑群组符合网络群组的特征。

沿用S140步骤中的例子，如果所述可疑群组被确定为网络群组，则确定后的网络群组中主动节点和被动节点关系对为：(X1，Y1)，(X1，Y2)，(X2，Y1)，(X2，Y2)，(X2，Y3)，(X2，Y4)，(X3，Y2)，(X3，Y3)，(X3，Y4)；主动节点X1、X2、X3；被动节点Y1、Y2、Y3、Y4。

通过本实施例，计算被动节点之间具有共同主动节点的数量，从而筛选出交互性较高的主动节点和被动节点关系对来构成可疑群组，并通过计算所述可疑群组的密度确定否为网络群组。如此无需人工参与，可以实现自动化地识别网络中网络群组从而提高了网络群组识别的效率。

在本申请的一个具体的实施例中，在S160步骤之后还可以包括：

展示根据所述网络群组中主动节点和被动节点关系对画出的关系图。

依然以S160步骤中的例子为例，根据确定的网络群组：被动节点为X1、X2、X3；主动节点为Y1、Y2、Y3、Y4；主动节点和被动节点关系对为(X1，Y1)，(X1，Y2)，(X2，Y1)，(X2，Y2)，(X2，Y3)，(X2，Y4)，(X3，Y2)，(X3，Y3)，(X3，Y4)，可以画出关系图；所述关系图如图3所示。

通过本实施例，可以将确定的网络群组以可视化的关系图的方式展示出来，便于用户直观的通过所述关系图查看网络群组中主动节点和被动节点之间关系的密集程度。

对于上述实施例中所举的例子，如果关系集合中还存在主动节点和被动节点关系对(X7，Y7)，(X7，Y8)，(X8，Y7)，(X8，Y8)；则被动节点X7，X8之间具有共同主动节点的数量为2也大于预设阈值，那么可以将被动节点X7，X8确定为被动节点对。假设在被动节点对X7、X8存在时，计算后密度依然大于预设密度。那么根据确定的网络群组画出的关系图如图4所示，可以明显看出，被动节点X1、X2、X3、主动节点Y1、Y2、Y3、Y4，与被动节点X7、X8、主动节点Y7、Y8之间并没有关系，不应该属于同一个网络群组。

为了解决上述提出的问题，本实施例中在S130步骤之后，还可以包括B1、B2步骤，具体如下：

B1：逐一判断所述被动节点对之间是否存在相同被动节点；

B2：若是，则将所述相同被动节点对应的两个被动节点对合并；返回执行B1，直至被动节点对之间不存在相同被动节点。

对于上述被动节点对X1，X2；X2，X3；X7，X8。由于被动节点对X1，X2和被动节点对X2，X3存在相同被动节点X2，所以合并后被动节点对为X1，X2，X3；接着，由于被动节点对X1，X2，X3和被动节点对X7，X8不存在相同被动节点，所以最终的被动节点对为X1，X2，X3及被动节点对为X7，X8。

相应地，S140：将所述被动节点对有关系的主动节点和被动节点关系对划分为可疑群组，具体可以包括：

从所述关系集合中查找含有合并后的所述被动节点对中任意被动节点的主动节点和被动节点关系对，并将所述主动节点和被动节点关系对划分为可疑群组。

沿用S132步骤中的例子，从关系集合(X1，Y1)，(X1，Y2)，(X2，Y1)，(X2，Y2)，(X2，Y3)，(X2，Y4)，(X3，Y2)，(X3，Y3)，(X3，Y4)，(X4，Y4)，(X4，Y5)，(X7，Y7)，(X7，Y8)，(X8，Y7)，(X8，Y8)}中查找含有合并后的被动节点对X1，X2，X3中任意被动节点的主动节点和被动节点关系对如下所示：

(X1，Y1)，(X1，Y2)，(X2，Y1)，(X2，Y2)，(X2，Y3)，(X2，Y4)，(X3，Y2)，(X3，Y3)，(X3，Y4)；并将所述主动节点和被动节点关系对划分为可疑群组；

相同地，从关系集合中查找含有合并后的被动节点对X7、X8中任意被动节点的主动节点和被动节点关系对如下所示：

(X7，Y7)，(X7，Y8)，(X8，Y7)，(X8，Y8)；并将所述主动节点和被动节点关系对划分为可疑群组。

进一步的，分别计算这两组可疑群组的密度。假设这两组可疑群组的密度都大于预设密度，则最后可以确定两个互不相关的网络群组。如图5所示，即为这两组网络群组的关系图。优选地，如图5中所示还可以对各个网络群组进行编号，如使用***数字(1、2、3、4…)、、罗马数字(Ⅰ、Ⅱ、Ⅲ、Ⅳ…)、英文字母(a、b、c、d…)等，本实施例中对此并不加以限定。

本实施例中，通过将具有相同被动节点的被动节点对合并，从而可以将没有关联的被动节点分开，避免了网络中多个互不相关的网络群组被划分在同一个网络群组中的问题。

本申请实施例提供还提供一种装置，可以实现上述的方法步骤，且该装置可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为逻辑意义上的装置，是通过服务器的CPU(Central Process Unit，中央处理器)将对应的计算机程序指令读取到内存中运行形成的。

图5为本申请一实施例中提供的网络群组识别装置的模块示意图。本实施例中，所述网络群组识别装置包括：

接收单元210，用于接收包含主动节点和被动节点关系对的关系集合；

计算单元220，用于计算所述关系集合中被动节点之间具有共同主动节点的数量；

筛选单元230，用于筛选出所述具有共同主动节点的数量大于预设阈值的被动节点对；

划分单元240，用于将与所述被动节点对有关系的主动节点和被动节点关系对划分为可疑群组；

判断单元250，用于判断所述可疑群组的密度是否大于预设密度；

确定单元260，用于在所述可疑群组的密度大于预设密度时，将该可疑群组确定为网络群组。

通过本实施例提供的装置，计算被动节点之间具有共同主动节点的数量，从而筛选出交互性较高的主动节点及被动节点关系对来构成可疑群组，并通过计算所述可疑群组的密度来确定是否为网络群组。如此，无需人工参与，即可实现自动化地识别网络中的网络群组从而提高了网络群组识别效率。

优选地，所述筛选单元230，具体包括：

第一筛选子单元，用于逐一判断所述具有共同主动节点的数量是否大于预设阈值；

第二筛选子单元，用于在所述具有共同主动节点的数量大于预设阈值时，确定该数量对应的两个被动节点为被动节点对；返回执行所述第一筛选子单元，直至判断完所有数量。

优选地，所述划分单元240，具体包括：

第一划分子单元，用于从所述关系集合中查找含有所述被动节点对中任意被动节点的主动节点和被动节点关系对，并将所述主动节点和被动节点关系对划分为可疑群组。

优选地，所述判断单元250，具体包括：

获取子单元，用于分别获取所述可疑群组中主动节点数量、被动节点数量及所述群组中主动节点和被动节点关系对数量；

计算子单元，用于将所述主动节点和被动节点关系对数量除以所述主动节点数量与被动节点数量的乘积，从而得到密度；

第一判断子单元，用于判断所述密度是否大于预设密度。

优选地，在所述确定单元250之后，还包括：

展示单元，用于展示根据所述网络群组中主动节点和被动节点关系对画出的关系图。

优选地，在所述筛选单元230之后，还包括：

第二判断子单元，用于逐一判断所述被动节点对之间是否存在相同被动节点；

合并子单元，用于在所述被动节点对之间存在相同被动节点时，将所述相同被动节点对应的两个被动节点对合并；返回执行所述第二判断子单元，直至被动节点对之间不存在相同被动节点；

相应地，所述划分单元，包括：

用于从所述关系集合中查找含有合并后的所述被动节点对中任意被动节点的主动节点和被动节点关系对，并将所述主动节点和被动节点关系对划分为可疑群组。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(ProgrammableLogic Device,PLD)(例如现场可编程门阵列(Field Programmable Gate Array，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware DescriptionLanguage，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(AdvancedBoolean Expression Language)、AHDL(Altera Hardware Description Language)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(Ruby Hardware Description Language)等，目前最普遍使用的是VHDL(Very-High-Speed Integrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、MicrochipPIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的***、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、***或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (12)

1.一种网络群组识别方法，其特征在于，包括：

接收包含主动节点和被动节点关系对的关系集合；

计算所述关系集合中被动节点之间具有共同主动节点的数量；

筛选出所述具有共同主动节点的数量大于预设阈值的被动节点对；

将与所述被动节点对有关系的主动节点和被动节点关系对划分为可疑群组；

判断所述可疑群组的密度是否大于预设密度；

若是，则将该可疑群组确定为网络群组。

2.如权利要求1所述的方法，其特征在于，筛选出所述具有共同主动节点的数量大于预设阈值的被动节点对，具体包括：

A1：逐一判断所述具有共同主动节点的数量是否大于预设阈值；

A2：若是，则确定该数量对应的两个被动节点为被动节点对；返回执行A1，直至判断完所有数量。

3.如权利要求1所述的方法，其特征在于，将与所述被动节点对有关系的主动节点和被动节点关系对划分为可疑群组，具体包括：

从所述关系集合中查找含有所述被动节点对中任意被动节点的主动节点和被动节点关系对，并将所述主动节点和被动节点关系对划分为可疑群组。

4.如权利要求1所述的方法，其特征在于，判断所述可疑群组的密度是否大于预设密度，具体包括：

分别获取所述可疑群组中主动节点数量、被动节点数量及所述群组中主动节点和被动节点关系对数量；

将所述主动节点和被动节点关系对数量除以所述主动节点数量与被动节点数量的乘积，从而得到密度；

判断所述密度是否大于预设密度。

5.如权利要求1所述的方法，其特征在于，在将该可疑群组确定为网络群组之后，还包括：

展示根据所述网络群组中主动节点和被动节点关系对画出的关系图。

6.如权利要求1所述的方法，其特征在于，在筛选出所述具有共同主动节点的数量大于预设阈值的被动节点对之后，还包括：

B1：逐一判断所述被动节点对之间是否存在相同被动节点；

B2：若是，则将所述相同被动节点对应的两个被动节点对合并；返回执行B1，直至被动节点对之间不存在相同被动节点；

相应地，将所述被动节点对有关系的主动节点和被动节点关系对划分为可疑群组，包括：

从所述关系集合中查找含有合并后的所述被动节点对中任意被动节点的主动节点和被动节点关系对，并将所述主动节点和被动节点关系对划分为可疑群组。

7.一种网络群组识别装置，其特征在于，包括：

接收单元，用于接收包含主动节点和被动节点关系对的关系集合；

计算单元，用于计算所述关系集合中被动节点之间具有共同主动节点的数量；

筛选单元，用于筛选出所述具有共同主动节点的数量大于预设阈值的被动节点对；

划分单元，用于将与所述被动节点对有关系的主动节点和被动节点关系对划分为可疑群组；

判断单元，用于判断所述可疑群组的密度是否大于预设密度；

确定单元，用于在所述可疑群组的密度大于预设密度时，将该可疑群组确定为网络群组。

8.如权利要求7所述的装置，其特征在于，所述筛选单元，具体包括：

第一筛选子单元，用于逐一判断所述具有共同主动节点的数量是否大于预设阈值；

第二筛选子单元，用于在所述具有共同主动节点的数量大于预设阈值时，确定该数量对应的两个被动节点为被动节点对；返回执行所述第一筛选子单元，直至判断完所有数量。

9.如权利要求7所述的装置，其特征在于，所述划分单元，具体包括：

第一划分子单元，用于从所述关系集合中查找含有所述被动节点对中任意被动节点的主动节点和被动节点关系对，并将所述主动节点和被动节点关系对划分为可疑群组。

10.如权利要求7所述的装置，其特征在于，所述判断单元，具体包括：

获取子单元，用于分别获取所述可疑群组中主动节点数量、被动节点数量及所述群组中主动节点和被动节点关系对数量；

计算子单元，用于将所述主动节点和被动节点关系对数量除以所述主动节点数量与被动节点数量的乘积，从而得到密度；

第一判断子单元，用于判断所述密度是否大于预设密度。

11.如权利要求7所述的装置，其特征在于，在所述确定单元之后，还包括：

展示单元，用于展示根据所述网络群组中主动节点和被动节点关系对画出的关系图。

12.如权利要求7所述的装置，其特征在于，在所述筛选单元之后，还包括：

第二判断子单元，用于逐一判断所述被动节点对之间是否存在相同被动节点；

合并子单元，用于在所述被动节点对之间存在相同被动节点时，将所述相同被动节点对应的两个被动节点对合并；返回执行所述第二判断子单元，直至被动节点对之间不存在相同被动节点；

相应地，所述划分单元，具体包括：

第二划分子单元，用于从所述关系集合中查找含有合并后的所述被动节点对中任意被动节点的主动节点和被动节点关系对，并将所述主动节点和被动节点关系对划分为可疑群组。