【技术实现步骤摘要】
本专利技术属于量子计算，特别是一种基于grover搜索算法的社区发现方法及相关装置。
技术介绍
1、近年来，社区结构发现已成为复杂网络研究中的一个热点问题，受到了计算机、数学、生物和社会学等领域研究者的广泛关注。复杂网络中的社区结构发现对于网络拓扑结构分析、功能分析和行为预测具有重要的理论意义及实用价值。例如，在常见的社交网络中，用户相当于网络节点，用户间互相关注、点赞、私信等形式的互动形成了节点间的连接关系；其中，连接较为紧密的部分节点可以被看成是一个社区，每个社区内部的节点相互连接较多，而不同社区之间的节点连接较少，因此可以根据社区划分更有针对性地向每一社区内的用户提供价值评估、内容推荐、风险管控等业务。
2、社区发现算法作为一种在网络中识别出紧密连接的节点群体的方法，大致可以被分为三类：基于网络图结构的层次分割方法，基于聚类的方法和基于优化的方法。在面对大规模的网络结构时，由于网络中存在的大量节点和复杂的连接关系，经典计算机运行这些方法是十分困难的。而量子计算机是一类遵循量子力学规律进行高速数学和逻辑运算、存储及处理量子信息的物理装置，具有相对经典计算机更高效的处理数学问题的能力。那么，如何利用量子计算机的高速并行计算能力更快地从网络中发现社区结构，成为了一个急需解决的问题。
技术实现思路
1、本专利技术的目的是提供一种基于grover搜索算法的社区发现方法及相关装置，旨在利用量子计算机的高速并行计算能力加速社区发现算法。
2、本专利技术的一个实施例提
3、基于网络的节点分布特征制备目标量子态；其中，所述节点分布特征包括该网络中每一节点的序号和节点间的连接关系，所述目标量子态包括该网络中每一组相邻节点的模块度增益，所述模块度增益表示将该组相邻节点合并为一个社区节点引起的网络模块度变化量；
4、利用grover搜索算法从所述目标量子态中搜索模块度增益大于预设阈值的部分分量，将该部分分量对应的一组相邻节点合并为一个社区节点，并更新该网络；
5、返回执行所述基于网络的节点分布特征制备目标量子态的步骤，直至该网络中任一组相邻节点的模块度增益均不大于0时，将任一所述社区节点包括的多个节点作为该网络中的一个社区。
6、可选的，将节点i和与节点i相邻的第j个节点hij合并为一个社区节点时，所述模块度增益δi，h基于以下公式计算得到：
7、
8、其中，m表示该网络中的边的总数量；ki，in＝ki，h，表示节点i与节点hij之间的边(i，j)的权重；表示节点i的度数；表示节点hij所在的社区节点c的度数；s表示该网络的稀疏度。
9、可选的，所述基于网络的节点分布特征制备目标量子态，包括：
10、基于网络的节点分布特征，依次制备第一量子态、第二量子态和第三量子态；其中，所述第一量子态包括与节点i相邻的第j个节点的序号|hij>，所述第二量子态包括所述节点i的度数|ki>和节点hij的度数|kh>，所述第三量子态包括边(i，j)的权重|ki，h>；
11、基于每一组相邻节点的模块度增益对所述第一量子态、第二量子态和第三量子态进行演化，得到目标量子态。
12、可选的，所述基于网络的节点分布特征，依次制备第一量子态、第二量子态和第三量子态，包括：
13、基于网络的节点分布特征构建邻接矩阵；其中，所述邻接矩阵中非零元素的位置表示对应的两个节点间存在连接关系，所述非零元素的数值表示所述该连接关系对应边的权重；
14、基于所述邻接矩阵中非零元素的位置进行量子态编码，得到包含|i>|j>|hij>项的第一量子态；
15、基于所述非零元素的数值对所述第一量子态进行演化，得到包含|i>|ki>|kh>项的第二量子态和包含|i>|ki，h>项的第三量子态。
16、可选的，所述编码得到的包含|i>|j>|hij>项的第一量子态为n表示该网络中的节点数；所述基于每一组相邻节点的模块度增益对所述第一量子态、第二量子态和第三量子态进行演化，得到目标量子态，包括：
17、构建所述模块度增益δi，h对应的量子算数表达式模块，并利用所述量子算数表达式模块基于所述|i>|j>|hij>项、所述|i>|ki>|kh>项和所述|i>|ki，h>项进行量子态演化，得到目标量子态
18、可选的，所述第一量子态中的|hij>项、所述第二量子态中的|ki>项、|kh>项和所述第三量子态中的|ki，h>项，分组存储于量子随机访问存储器中；在每一迭代步中的，更新该网络的步骤之后，对所述量子随机访问存储器中存储的数据进行更新。
19、可选的，所述利用grover搜索算法从所述目标量子态中搜索模块度增益大于预设阈值的部分分量，并将该部分分量对应的一组相邻节点合并为一个社区节点，包括：
20、利用grover搜索算法从所述目标量子态中搜索模块度增益大于预设阈值的初始值的一个部分分量；
21、更新所述预设阈值的当前值为该部分分量对应的模块度增益，并返回执行所述利用grover搜索算法从所述目标量子态中搜索模块度增益大于预设阈值的一个部分分量的步骤，直至所述预设阈值的当前值保持不变；
22、将所述预设阈值的当前值保持不变时的部分分量对应的一组相邻节点合并为一个社区节点。
23、本专利技术的又一实施例提供了一种基于grover搜索算法的社区发现装置，所述装置包括：
24、制备模块，用于基于网络的节点分布特征制备目标量子态；其中，所述节点分布特征包括该网络中每一节点的序号和节点间的连接关系，所述目标量子态包括该网络中每一组相邻节点的模块度增益，所述模块度增益表示将该组相邻节点合并为一个社区节点引起的网络模块度变化量；
25、搜索模块，用于利用grover搜索算法从所述目标量子态中搜索模块度增益大于预设阈值的部分分量，将该部分分量对应的一组相邻节点合并为一个社区节点，并更新该网络；
26、社区发现模块，用于返回执行所述基于网络的节点分布特征制备目标量子态的步骤，直至该网络中任一组相邻节点的模块度增益均不大于0时，将任一所述社区节点包括的多个节点作为该网络中的一个社区。
27、本专利技术的又一实施例提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一实施例中所述的方法。
28、本专利技术的又一实施例提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一实施例中所述的方法。
29、与现有技术相比，本专利技术提供了一种基于grover搜索算法的社区发现本文档来自技高网...
【技术保护点】
1.一种基于Grover搜索算法的社区发现方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，将节点i和与节点i相邻的第j个节点hij合并为一个社区节点时，所述模块度增益Δi,h基于以下公式计算得到：
3.如权利要求1所述的方法，其特征在于，所述基于网络的节点分布特征制备目标量子态，包括：
4.如权利要求3所述的方法，其特征在于，所述基于网络的节点分布特征，依次制备第一量子态、第二量子态和第三量子态，包括：
5.如权利要求4所述的方法，其特征在于，所述编码得到的包含|i>|j>|hij>项的第一量子态为n表示该网络中的节点数；所述基于每一组相邻节点的模块度增益对所述第一量子态、第二量子态和第三量子态进行演化，得到目标量子态，包括：
6.如权利要求3-5任一项中所述的方法，其特征在于，所述第一量子态中的|hij>项、所述第二量子态中的|ki>项、|kh>项和所述第三量子态中的|ki,h>项，分组存储于量子随机访问存储器中；在每一迭代步中的，更新该网络的步骤之后
7.如权利要求1-5任一项中所述的方法，其特征在于，所述利用Grover搜索算法从所述目标量子态中搜索模块度增益大于预设阈值的部分分量，并将该部分分量对应的一组相邻节点合并为一个社区节点，包括：
8.一种基于Grover搜索算法的社区发现装置，其特征在于，所述装置包括：
9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1-8任一项中所述的方法。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1-8任一项中所述的方法。
...【技术特征摘要】
1.一种基于grover搜索算法的社区发现方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，将节点i和与节点i相邻的第j个节点hij合并为一个社区节点时，所述模块度增益δi,h基于以下公式计算得到：
3.如权利要求1所述的方法，其特征在于，所述基于网络的节点分布特征制备目标量子态，包括：
4.如权利要求3所述的方法，其特征在于，所述基于网络的节点分布特征，依次制备第一量子态、第二量子态和第三量子态，包括：
5.如权利要求4所述的方法，其特征在于，所述编码得到的包含|i>|j>|hij>项的第一量子态为n表示该网络中的节点数；所述基于每一组相邻节点的模块度增益对所述第一量子态、第二量子态和第三量子态进行演化，得到目标量子态，包括：
6.如权利要求3-5任一项中所述的方法，其特征在于，所述第一量子态中的|hij>项、所述...
【专利技术属性】
技术研发人员：窦猛汉，请求不公布姓名，请求不公布姓名，
申请(专利权)人：本源量子计算科技合肥股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。