1.本公开涉及互联网技术领域，尤其涉及一种企业合作群体数据分类方法及装置、存储介质及电子设备。
背景技术：2.当前随着新兴技术和产业的蓬勃发展，产业生态的规模越来越大，企业间的合作关系也越来越复杂，如何在产业生态中对企业合作群体进行发现标识变得非常重要。目前，大多数协会组织或者企业主要是依据自身的经验对企业合作群体数据进行管理，但是这种方式依赖于相关人员的经验，并不能科学、稳定、准确和全面地对企业生态合作群体进行发现标识。
3.需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现要素：4.本公开的目的在于提供一种企业合作群体数据分类方法及装置、存储介质及电子设备，至少在一定程度上克服由于相关技术的限制，导致不能很好的对企业合作群体进行发现标识的问题。
5.本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
6.根据本公开的一个方面，提供一种企业合作群体数据分类方法，包括：
7.构建企业生态合作关系网络模型g(v,e)，其中，v表示企业节点，e作为连接边，表示企业间合作关系；
8.计算企业节点i和企业节点j的共同合作企业数g
ij
占节点i和节点j合作企业总数的比例，作为企业节点i和企业节点j之间的友邻强度k
ij
，其中，i，j为自然数；
9.对节点i的m倍领域的所有节点进行加权度计算，记为节点i的加权度m(i)，并对加权度m(i)的数值向上取整数；以及
10.以加权度m(i)作为k-shell算法的输入节点度值，并进行k-shell分解，依照度的不同把节点分到不同的数集中，这些数集组成节点i的企业合作群体。
11.在本公开一个实施例中，友邻强度k
ij
等于g
ij
/(c(i)+c(j)-g
ij
)，其中，c(j)为节点j的合作企业数量。
12.在本公开一个实施例中，加权度m(i)的算法如下：
[0013][0014]
其中，d
ij
其为节点i和节点j的合作次数，
[0015]
c(i)为节点i的合作企业数量，
[0016]ai
为节点i的m倍领域的节点集合，
[0017]
m≥1且m为整数。
[0018]
在本公开一个实施例中，m等于1。
[0019]
在本公开一个实施例中，其特征在于，以加权度m(i)作为k-shell算法的输入节点度值，并进行k-shell分解的方法包括如下步骤：
[0020]
以加权度m(i)作为k-shell算法的输入节点度值，并进行k-shell分解，先去掉度为1的所有节点，接着去掉度为2的所有节点，再以此按照度逐渐升高的方式去掉节点，直至节点i的m倍领域的所有节点都被去掉；
[0021]
把度为1的所有节点归入集合ks1，把度为2的所有节点归入集合ks2，把度为n的所有节点归入集合ksn，这些集合组成节点i的企业合作群体ks，ks等于(ks1,ks2,...,ksn)，n为正整数。
[0022]
根据本公开的另一个方面，提供一种企业合作群体数据分类装置，包括：
[0023]
网络模型模块，用于构建企业生态合作关系网络模型g(v,e)，其中，v表示企业节点，e作为连接边，表示企业间合作关系；
[0024]
友邻强度模块，用于计算节点i和节点j之间的友邻强度k
ij
；
[0025]
加权度模块，用于对节点i的m倍领域的所有节点进行加权度计算，得到节点i的加权度m(i)，m≥1且m为整数；和
[0026]
标识模块，用于以加权度m(i)作为k-shell算法的输入节点度值，并进行k-shell分解，再依照度的不同把节点分到不同的数集中。
[0027]
在本公开一个实施例中，所述友邻强度模块依据友邻强度算法计算节点i和节点j之间的友邻强度k
ij
，友邻强度算法为：
[0028]kij
＝g
ij
/(c(i)+c(j)-g
ij
)，其中，
[0029]gij
为节点i和节点j的共同合作企业数，
[0030]
c(i)为节点i的合作企业数量，
[0031]
c(j)为节点j的合作企业数量。
[0032]
在本公开一个实施例中，所述加权度模块依据加权度算法，计算节点i的加权度m(i)，并对加权度m(i)的数值向上取整数，加权度算法为：
[0033][0034]
其中，d
ij
为节点i和节点j的合作次数，
[0035]
c(i)为节点i的合作企业数量，
[0036]ai
为节点i的m倍领域的节点集合，
[0037]
m≥1且m为整数。
[0038]
在本公开一个实施例中，m等于1。
[0039]
根据本公开的再一个方面，提供一种电子设备，其特征在于，包括：
[0040]
处理器；以及
[0041]
存储器，用于存储所述处理器的可执行指令；
[0042]
其中，所述处理器配置为经由执行所述可执行指令来执行上述中任意一项所述企业合作群体数据分类方法。
[0043]
根据本公开的又一个方面，提供一种计算机可读存储介质，其上存储有计算机程
序，其特征在于，所述计算机程序被处理器执行时实现上述中任意一项所述的企业合作群体数据分类方法。
[0044]
本公开的实施例所提供的一种企业合作群体数据分类方法，先计算企业节点之间的友邻强度，再通过节点的邻域信息，构建企业加权度，最后利用k-shell算法对企业合作群体数据进行分类。相比现有技术中依据经验对企业合作群体数据进行分类，本实施例所提供的一种企业合作群体数据分类方法，可以更加科学和准确的对企业合作群体进行分类划分。
[0045]
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0046]
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0047]
图1示出本公开实施例中一种企业合作群体数据分类方法的示意图；
[0048]
图2示出本公开实施例中一种企业合作群体数据分类方法的另一示意图；
[0049]
图3示出本公开实施例中一种企业合作群体数据分类方法的另一示意图；
[0050]
图4示出本公开实施例中一种企业合作群体数据分类方法的另一示意图；
[0051]
图5示出本公开实施例中一种企业合作群体数据分类装置的一种示意图；
[0052]
图6示出本公开实施例中一种企业合作群体数据分类装置的另一种示意图；和
[0053]
图7示出本公开实施例中一种企业合作群体数据分类方法的计算机设备的结构框图。
具体实施方式
[0054]
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
[0055]
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
[0056]
图1是本技术一个示例性实施例，提供一种企业合作群体数据分类方法的结构示意图。该方法包括：
[0057]
s101：构建企业生态合作关系网络模型g(v,e)，其中，v表示企业节点，e作为连接边，表示企业间合作关系；
[0058]
s102：计算企业节点i和企业节点j的共同合作企业数g
ij
占节点i和节点j合作企业
总数的比例，作为企业节点i和企业节点j之间的友邻强度k
ij
，其中，i，j为自然数；
[0059]
s103：对节点i的m倍领域的所有节点进行加权度计算，记为节点i的加权度m(i)，并对加权度m(i)的数值向上取整数；以及
[0060]
s104：以加权度m(i)作为k-shell算法的输入节点度值，并进行k-shell分解，依照度的不同把节点分到不同的数集中，这些数集组成节点i的企业合作群体。
[0061]
需要注意的是，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
[0062]
下面，将结合附图对本示例实施方式中的各个具体步骤进行更详细的说明。
[0063]
首先，在本实施例中，上述步骤s101，可以通过相关产业信息，及企业合作案例信息，构建企业合作关系网络模型g(v,e)，该网络模型是无向含权复杂网络，其中，v表示企业节点，e为连接边表示企业间合作关系。需要说明的是，构建网络模型g(v,e)，属于本领域现有技术在此不再赘述。
[0064]
如图2所示，在本实施例中，上述步骤s102具体包括如下步骤：
[0065]
s21：先计算企业节点i和企业节点j的共同合作企业数g
ij
；
[0066]
s22：接着，再计算企业节点i和企业节点j的合作企业总数。具体的，该合作企业总数等于c(i)+c(j)-g
ij
,其中,c(i)为节点i的合作企业数量，c(j)为节点j的合作企业数量；
[0067]
s23：最后计算企业节点i和企业节点j之间的友邻强度k
ij
,k
ij
＝g
ij
/(c(i)+c(j)-g
ij
)。
[0068]
通过上述步骤，可以得到企业节点i和企业节点j的有邻强度的k
ij
。
[0069]
如图3所示，在本实施例中，上述步骤s103具体包括如下步骤：
[0070]
s31：先计算节点i和节点j的合作次数d
ij
,以及节点i的m倍领域的节点集合ai；
[0071]
s32：再按照加权度算法计算节点i的加权度m(i)，
[0072]
加权度算法如下：
[0073][0074]
其中，d
ij
其为节点i和节点j的合作次数；
[0075]
c(i)为节点i的合作企业数量；
[0076]ai
为节点i的m倍领域的节点集合；
[0077]
m＝1。
[0078]
通过上述步骤，可以得到节点i的加权度m(i)。当然，在另一实施例中，m可以为大于1的正整数，对应的加权度算法和上述一致，在此不再赘述。
[0079]
如图4所示，在本实施例中，上述步骤s104具体包括如下步骤：
[0080]
s41：先以加权度m(i)作为k-shell算法的输入节点度值；
[0081]
s42：接着，进行k-shell分解，先去掉度为1的所有节点，接着去掉度为2的所有节点，再以此按照度逐渐升高的方式去掉相应节点，直至节点i的m倍领域的所有节点都被去掉；
[0082]
s43：把度为1的所有节点归入集合ks1，把度为2的所有节点归入集合ks2，按照度逐渐升高的方式，把度为n的所有节点归入集合ksn，这些集合组成节点i的企业合作群体
ks，ks等于(ks1,ks2,...,ksn)，n为正整数。
[0083]
需要说明的是，k-shell算法及其分解方法属于本领域现有技术在此不再赘述。另外，上述中得到的节点i的企业合作群体ks中，度越大所对应的集合越核心，也就是说ksn为最核心位置。
[0084]
在本实施例中，按照上述步骤s101、s102、s103和s104的方法，可以对企业合作群体数据进行分类，完成对企业合作群体进行发现标识。该方法先计算企业节点之间的友邻强度，再通过节点的邻域信息构建企业加权度，最后利用k-shell算法对企业合作群体数据进行分类。相比现有技术中依据经验对企业合作群体数据进行分类，本实施例所提供的一种企业合作群体数据分类方法，可以更加科学和准确的对企业合作群体进行分类划分，具有很好的实用性。
[0085]
本示例的实施方式中，依据上述企业合作群体数据分类方法，还提供一种企业合作群体数据分类的装置，下面参照图5和图6来描述根据本发明的这种企业合作群体数据分类的装置。
[0086]
如图5所示，本实施例另提供一种企业合作群体数据分类装置，该企业合作群体数据分类装置包括网络模型模块501、友邻强度模块502、加权度模块503和标识模块504。
[0087]
其中，网络模型模块501，用来构建企业生态合作关系网络模型g(v,e)，v表示企业节点，e作为连接边，表示企业间合作关系。
[0088]
友邻强度模块502，依照友邻强度算法用来计算节点i和节点j之间的友邻强度k
ij
。友邻强度算法为：k
ij
＝g
ij
/(c(i)+c(j)-g
ij
)，其中，
[0089]gij
为节点i和节点j的共同合作企业数，
[0090]
c(i)为节点i的合作企业数量，
[0091]
c(j)为节点j的合作企业数量。
[0092]
加权度模块503，依照加权度算法，对节点i的m倍领域的所有节点进行加权度计算，得到节点i的加权度m(i)。加权度算法为：
[0093][0094]
其中，d
ij
为节点i和节点j的合作次数，
[0095]
c(i)为节点i的合作企业数量，
[0096]ai
为节点i的m倍领域的节点集合，
[0097]
m＝1。和
[0098]
标识模块504，用来把加权度m(i)作为k-shell算法的输入节点度值，并进行k-shell分解，再依照度的不同把节点分到不同的数集中。具体的，先把加权度m(i)作为k-shell算法的输入节点度值。然后，进行k-shell分解，先去掉度为1的所有节点，接着去掉度为2的所有节点，再以此按照度逐渐升高的方式去掉相应节点，直至节点i的1倍领域的所有节点都被去掉。最后，把度为1的所有节点归入集合ks1，把度为2的所有节点归入集合ks2，按照度逐渐升高的方式，把度为n的所有节点归入集合ksn，这些集合组成节点i的企业合作群体ks，ks等于(ks1,ks2,...,ksn)，n为正整数。
[0099]
另外，如图6所示，本实施例还提供一种企业合作群体数据分类装置，该企业合作群体数据分类装置包括网络模型模块601、计算模块602和标识模块603。
[0100]
其中，网络模型模块601，用来构建企业生态合作关系网络模型g(v,e)，v表示企业节点，e作为连接边，表示企业间合作关系。
[0101]
计算模块602用来计算节点i和节点j之间的友邻强度k
ij
，以及对节点i的m倍领域的所有节点进行加权度计算，得到节点i的加权度m(i)。具体的，依照友邻强度算法用来计算节点i和节点j之间的友邻强度k
ij
，友邻强度算法为：k
ij
＝g
ij
/(c(i)+c(j)-g
ij
)，其中，g
ij
为节点i和节点j的共同合作企业数，c(i)为节点i的合作企业数量，c(j)为节点j的合作企业数量。依照加权度算法，对节点i的m倍领域的所有节点进行加权度计算，得到节点i的加权度m(i)。
[0102]
加权度算法为：
[0103][0104]
其中，d
ij
为节点i和节点j的合作次数，c(i)为节点i的合作企业数量，ai为节点i的m倍领域的节点集合，m＝1。
[0105]
标识模块603，用来把加权度m(i)作为k-shell算法的输入节点度值，并进行k-shell分解，再依照度的不同把节点分到不同的数集中。具体的，先把加权度m(i)作为k-shell算法的输入节点度值。然后，进行k-shell分解，先去掉度为1的所有节点，接着去掉度为2的所有节点，再以此按照度逐渐升高的方式去掉相应节点，直至节点i的1倍领域的所有节点都被去掉。最后，把度为1的所有节点归入集合ks1，把度为2的所有节点归入集合ks2，按照度逐渐升高的方式，把度为n的所有节点归入集合ksn，这些集合组成节点i的企业合作群体ks，ks等于(ks1,ks2,...,ksn)，n为正整数。
[0106]
此外，在另一实施例中，上述所提供的企业合作群体数据分类装置，其加权度模块在计算节点i的加权度m(i)时，m可以取为大于1的正整数，在此不再赘述。
[0107]
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
[0108]
在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
[0109]
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
[0110]
下面参照图7来描述根据本发明的这种实施方式的电子设备800。图7显示的电子设备800仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0111]
如图7所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830。
[0112]
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元810可以执行如图1中所示的s101，构建企业生
态合作关系网络模型g(v,e)，其中，v表示企业节点，e作为连接边，表示企业间合作关系；s102，计算企业节点i和企业节点j的共同合作企业数g
ij
占节点i和节点j合作企业总数的比例，作为企业节点i和企业节点j之间的友邻强度k
ij
，其中，i，j为自然数；s103，对节点i的m倍领域的所有节点进行加权度计算，记为节点i的加权度m(i)，并对加权度m(i)的数值向上取整数；以及s104，以加权度m(i)作为k-shell算法的输入节点度值，并进行k-shell分解，依照度的不同把节点分到不同的数集中，这些数集组成节点i的企业合作群体。
[0113]
存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元(rom)8203。
[0114]
存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
[0115]
总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
[0116]
电子设备800也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口650进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器860通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
[0117]
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
[0118]
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。
[0119]
描述了根据本发明的实施方式的用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0120]
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信
号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
[0121]
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
[0122]
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
[0123]
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
[0124]
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
[0125]
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
[0126]
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
[0127]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。
技术特征：1.一种企业合作群体数据分类方法，其特征在于，包括：构建企业生态合作关系网络模型g(v,e)，其中，v表示企业节点，e作为连接边，表示企业间合作关系；计算企业节点i和企业节点j的共同合作企业数g
ij
占节点i和节点j合作企业总数的比例，作为企业节点i和企业节点j之间的友邻强度k
ij
，其中，i，j为自然数；对节点i的m倍领域的所有节点进行加权度计算，记为节点i的加权度m(i)，并对加权度m(i)的数值向上取整数；以及以加权度m(i)作为k-shell算法的输入节点度值，并进行k-shell分解，依照度的不同把节点分到不同的数集中，这些数集组成节点i的企业合作群体。2.根据权利要求1所述的企业合作群体数据分类方法，其特征在于，友邻强度k
ij
等于g
ij
/(c(i)+c(j)-g
ij
)，其中，c(i)为节点i的合作企业数量，c(j)为节点j的合作企业数量。3.根据权利要求1所述的企业合作群体数据分类方法，其特征在于，加权度m(i)的算法如下：其中，d
ij
为节点i和节点j的合作次数，c(i)为节点i的合作企业数量，a
i
为节点i的m倍领域的节点集合，m≥1且m为整数。4.根据权利要求3所述的企业合作群体数据分类方法，其特征在于，m等于1。5.根据权利要求1至4中任意一项所述的企业合作群体数据分类方法，其特征在于，以加权度m(i)作为k-shell算法的输入节点度值，并进行k-shell分解的方法包括如下步骤：以加权度m(i)作为k-shell算法的输入节点度值，并进行k-shell分解，先去掉度为1的所有节点，接着去掉度为2的所有节点，再以此按照度逐渐升高的方式去掉节点，直至节点i的m倍领域的所有节点都被去掉；把度为1的所有节点归入集合ks1，把度为2的所有节点归入集合ks2，把度为n的所有节点归入集合ksn，这些集合组成节点i的企业合作群体ks，ks等于(ks1,ks2,...,ksn)，n为正整数。6.一种企业合作群体数据分类装置，其特征在于，包括：网络模型模块，用于构建企业生态合作关系网络模型g(v,e)，其中，v表示企业节点，e作为连接边，表示企业间合作关系；友邻强度模块，用于计算企业节点i和企业节点j之间的友邻强度k
ij
；加权度模块，用于对节点i的m倍领域的所有节点进行加权度计算，得到节点i的加权度m(i)，m≥1且m为整数；和标识模块，用于以加权度m(i)作为k-shell算法的输入节点度值，并进行k-shell分解，再依照度的不同把节点分到不同的数集中。7.根据权利要求6所述的企业合作群体数据分类装置，其特征在于，所述友邻强度模块依据友邻强度算法，计算节点i和节点j之间的友邻强度k
ij
，其中，友邻强度算法为：
k
ij
＝g
ij
/(c(i)+c(j)-g
ij
)，其中，g
ij
为节点i和节点j的共同合作企业数，c(i)为节点i的合作企业数量，c(j)为节点j的合作企业数量。8.根据权利要求6所述的企业合作群体数据分类装置，其特征在于，所述加权度模块依据加权度算法，计算节点i的加权度m(i)，并对加权度m(i)的数值向上取整数，加权度算法为：其中，d
ij
为节点i和节点j的合作次数，c(i)为节点i的合作企业数量，a
i
为节点i的m倍领域的节点集合，m≥1且m为整数。9.一种电子设备，其特征在于，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～5中任意一项所述企业合作群体数据分类方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～5中任意一项所述的企业合作群体数据分类方法。
技术总结本公开提供了一种企业合作群体数据分类方法，涉及互联网技术领域。该企业合作群体数据分类方法，先构建企业生态合作关系网络模型，接着计算企业节点之间的友邻强度，再通过节点的邻域信息构建企业加权度，最后利用K-shell算法对企业合作群体数据进行分类，得到企业的合作群体。相比现有技术中依据经验对企业合作群体数据进行分类，本实施例所提供的一种企业合作群体数据分类方法，可以更加科学和准确的对企业合作群体进行分类划分。准确的对企业合作群体进行分类划分。准确的对企业合作群体进行分类划分。
技术研发人员：裴迎栋 左芳芳 邓丽华 田盼
受保护的技术使用者：中国电信股份有限公司
技术研发日：2022.04.08
技术公布日：2022/7/5
