大规模网络下具有精度保障的快速社区查询系统及方法

1.一种大规模网络下具有精度保障的快速社区查询系统；其特征在于：包括人机交互模块、数据查询模块、处理模块和数据封装模块；人机交互模块用于显示社区查询结果；数据查询模块接受查询请求、管理查询结果和设置查询参数；所述的处理模块用于执行社区查询方法，在同构网络上进行属性感知采样、近似估计、候选社区调优以及基于误差的参数调优操作，生成查询结果；所述的数据封装模块封装实体属性数据和社区网络图。 2.根据权利要求1所述的一种大规模网络下具有精度保障的快速社区查询系统；其特征在于：所述的处理模块首先采用广度优先搜索算法，得到所有与目标节点连通的节点，进行属性感知采样，得到候选社区实体集合R；接着，根据同构网络的实体关系和候选社区实体集合R中的节点构建子社区网络G；评估子社区网络G的结构内聚性；然后，对子社区网络G进行近似估计，判断子社区网络G是否满足精度约束；若子社区网络G满足精度约束，则将该子社区网络G直接作为候选社区返回查询结果；若子社区网络G不满足精度约束，则进行候选社区调优，删除子社区网络G中的部分节点；当出现子社区网络G的节点删除至不满足k-core结构约束，子社区网络G依然不满足精度约束的情况，则基于误差调整采样规模t，并基于初始的子社区网络G重复前述的过程，直到找到一个满足精度约束的候选社区，将该候选社区作为查询结果返回。 3.根据权利要求1所述的一种大规模网络下具有精度保障的快速社区查询系统；其特征在于：属性感知采样的具体过程为：确定初始采样规模t，计算所有节点与目标节点的相似度，按照相似度从大到小排序，得到候选社区实体集合R。 4.根据权利要求1所述的一种大规模网络下具有精度保障的快速社区查询系统；其特征在于：候选社区调优的过程为：逐个删除子社区网络G中相似度最低的节点并进行k-core结构的维护，同时对删除节点之后得到的子社区网络G进行近似估计，直到子社区网络G满足精度约束时，停止继续删除节点。 5.一种大规模网络下具有精度保障的快速社区查询方法，其特征在于：包括以下步骤：步骤一、构建包含目标节点的同构网络，并根据查询要求设定k-core结构约束k，精度约束e，置信度α以及目标节点；步骤二、在同构网络中筛选出于目标节点存在关联的多个节点，作为查询结果；步骤2-1.提取与目标节点连通的所有节点；步骤2-2.计算同构网络的初始采样规模t，其表达式为：t＝2/e 2 ·ln((k+1)·(n-k-1)/α)+1其中，e为精度约束，α为置信度，k为k-core结构约束，n为整个同构网络的节点数量；步骤2-3.将一个节点与目标节点的所有属性类型的相似度的加权平均值作为该节点与目标节点的相似度Similarity(v)；v表示同构网络中任意一个节点；计算出所有节点与目标节点的相似度Similarity(v)后进行降序排序；步骤2-4.根据步骤2-2和2-3确定的节点规模t以及相似度排序，选取尚未包括在候选社区实体集合R中的前t个节点加入候选社区实体集合R中；步骤2-5.将候选社区实体集合R中存在连边的节点两两之间连接起来，构成子社区网络G；步骤2-6.判断子社区网络G的是否满足k-core结构约束；若不满足，则返回步骤2-4，更新候选社区实体集合R；步骤2-7.对子社区网络G进行近似估计：首先从子社区网络G中随机挑选多个节点作为一个数据子集，重复生成多个数据子集；对得到的各个数据子集分别进行子采样，生成多个样本，计算样本中的各节点与目标节点的平均相似度与置信区间，并根据样本对应的平均相似度和置信区间，计算得到子社区网络G的相似度误差，并记录子社区网络G的误差幅度ε与置信区间中心值ζ；判断当前子社区网络是否满足精度约束，若满足则返回子社区网络作为查询结果，若不满足则进入步骤2-8；步骤2-8.将子社区网络G中的各节点按照与目标节点的相似度进行升序排序，删去相似度最低的节点并进行k-core结构的维护，再次执行步骤2-7，直至子社区网络G满足精度约束，返回子社区网络作为查询结果；若删减节点后的子社区网络G无法满足k-core结构约束，则进入步骤2-9；步骤2-9.判断候选社区实体集合R的规模是否与同构网络的规模相等；若相等，则将最小相似度误差所代表的子社区网络作为候选社区返回；最小相似度误差所代表的子社区网络表示历次执行步骤2-7的子社区网络中相似度误差最小的子社区网络；若不相等，则进入步骤2-10；步骤2-10.更新采样规模t，并重新执行步骤2-3至步骤2-9。 6.根据权利要求5所述的一种大规模网络下具有精度保障的快速社区查询方法；其特征在于：在同构网络中，每个节点均对应一个实体；同构网络中的节点具备文本型属性和数值型属性；同构网络的相似度可表示为网络中所有节点与目标节点相似度的平均值。 7.根据权利要求5所述的一种大规模网络下具有精度保障的快速社区查询方法；其特征在于：所述节点的属性类型包括文本型属性和数值型属性；数值型属性的相似度采用曼哈顿距离计算，文本型属性的相似度采用Jaccard距离计算；相似度Similarity(v)的表达式为：Similarity(v)＝β*f T (v,q)+(1-β)*f C (v,q)其中，f T (v,q)为节点v与目标节点的文本属性的相似度；β为文本属性权重，(1-β)为非文本属性的权重；f C (v,q)为节点v与目标节点的非文本属性的相似度。 8.根据权利要求5所述的一种大规模网络下具有精度保障的快速社区查询方法；其特征在于：步骤2-10中，更新后的采样规模t的表达式为：t＝t 0 ·[(ε·(1+e)/(ζ·e) 2 -1]其中，t 0 为更新前的采样规模；e、ε分别为最小相似度误差所代表的子社区网络的精度约束、误差幅度；ζ为置信区间中心值。 9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述存储器存储计算机程序；所述处理器执行如权利要求6-8中任意一项所述的快速社区查询方法。 10.一种可读存储介质，存储有计算机程序；其特征在于：所述计算机程序被处理器执行时用于实现如权利要求6-8中任意一项所述的快速社区查询方法。