0xqq / officerresume_relationshipalgorithm Goto Github PK

文件说明

• process.py:提供数据库连接、数据处理等方法。
• init_weight:提供同乡、同学、同事关系权值的初始化方法。
• graph_create.py:提供与关系发现及创建相关的方法。
• graph_search.py:提供与关系及路径搜索相关的方法。
  以下仅提供部分文件中的函数方法说明，详细文档请参阅代码文件！

关系权值(代价值)初始化

在人物间的关系中保存的代价值是权值的倒数，代价值越小表明关系越大。本部分的算法包含在文件 init_weight.py 中，下面是对文件中各函数方法的解释(已忽略参数说明)：

• init_countrymen_cost():连接在同一'Location'节点上的两条'is_from'关系相当于一个同乡关系，在所有'is_from'关系中设置代价属性'cost'，其值为5/(3type_int2)。其中type_int为同乡关系类型(1-10)：**节点上的同乡关系类型为1，地区节点每往下一级关系类型加1，最大为10。
• init_schoolfellow_cost():从MySQL获取数据，在所有'schoolfellow_with'关系中设置代价属性'cost'，其值为5/(4*(1+ln(n))*(6-type_int))。其中n为同校年数，type_int为同学关系类型(1,2,3,4,5)，1：表示同学院且同级，2：表示同学院不同级但时间有重叠，3：表示不同学院但同级，4：表示不同学院不同级但时间有重叠，5：表示同校的其他情况。
• init_workmate_cost():从MySQL获取数据，在所有'workmate_with'关系中设置代价属性'cost'，其值为(type_int+1)/(5*(1+ln(n)))。其中n为同校年数，type_int为同事关系类型(0-10)，n：表示x是y的第n层上级，0：表示x与y是同一级别。

关系发现及创建

利用已构建的官员履历图数据发现人物之间的多种复杂关系，本部分的算法包含在文件 graph_create.py 中，下面是对文件中各函数方法的解释(已忽略参数说明)：

• 初始化创建关系

  • create_relationship():在图中创建关系，并可设置属性。
  • init_countrymen():(此方法已停用)在图中查找所有地点，将每个地点上的所有人物视为同乡，最后结果保存在关系型数据库中。在对应人物节点之间添加同乡关系并设置代价属性'cost'，其值为5/(3type_int2)。type_int同乡关系类型(1-10)：**节点上的同乡关系类型为1，地区节点每往下一级关系类型加1，最大为10。
  • init_schoolfellow():在图中查找所有学校节点（School），匹配连接到每个学校及其学院的学生教育经历，如果就读时间段存在重叠的就视为同学关系，学校可能包含多个学院（Academy），但只有在同一School中的学生才能算同学，最后结果保存在关系型数据库中。在对应人物节点之间添加同学关系并设置代价属性'cost'，其值为5/(4*(1+ln(n))*(6-type_int))，其中n为同校年数。type_int同学关系类型(1,2,3,4,5)，1：表示同学院且同级，2：表示同学院不同级但时间有重叠，3：表示不同学院但同级，4：表示不同学院不同级但时间有重叠，5：表示同校的其他情况。
  • init_workmate():在图中查找所有机构节点（Institution），匹配连接到这一机构所有职位的工作经历，机构节点下的顶级职位视为同一级，最后结果保存在关系型数据库中。在图中查找所有职位节点（Position），匹配连接到这一机构所有职位的工作经历，机构节点下的顶级职位视为同一级，最后结果保存在关系型数据库中。在对应人物节点之间添加同事关系并设置代价属性'cost'，其值为(type_int+1)/(5*(1+ln(n)))，其中n为同事年数。type_int同事关系类型(0-10)，n：表示x是y的第n层上级，0：表示x与y是同一级别。双向关系只保存一条记录。

• 增量创建关系

  • add_init():根据新增加的人物ID列表，对这些人的三种关系及其代价值进行增量计算（同乡关系已停用）。
  • create_one_countrymen():(此方法已停用)根据给定的人物节点node，在图中查找并建立他的同乡关系及其代价属性。
  • create_one_schoolfellow():根据给定的人物节点node，在图中查找并建立他的同学关系。
  • create_one_workmate():根据给定的人物节点node，在图中查找并建立他的复杂同事关系。

关系及路径搜索

在已构建的人物关系网络中搜索相关人物及其之间的级联关系路径，本部分的算法包含在文件 graph_search.py 中，下面是对文件中各函数方法的解释(已忽略参数说明)：

• 关系搜索

  • select_countrymen():在图中查找所有与目的人物具有同乡关系的人物ID。
  • select_schoolfellow():在图中中查找所有与目的人物具有校友关系的人物ID。
  • select_workmate():在图中中查找所有与目的人物具有同事关系的人物ID。
  • select_schoolfellow_multi():通过目标人物ID和目标学校ID，在图中查找该人物在该学校的多种校友关系。校友关系类型(1,2,3,4,5)，1：表示同学院且同级，2：表示同学院不同级但时间有重叠，3：表示不同学院但同级，4：表示不同学院不同级但时间有重叠，5：表示同校的其他情况。
  • select_workmate_multi():通过目标人物ID和目标职位ID，在图中查找该人物的复杂同事关系。同事关系类型(0-10)，n：表示x是y的第n层上级，0：表示x与y是同一级别。双向关系只保存一条记录。

• 路径搜索

  • allShortestPaths():从图中查找两个目的节点之间的多条最短关系路径。
  • searchAndSave_allShortestPaths():从图中查找两个人物节点之间的多条最短关系路径，并将结果保存在MySQL数据库中。关系类型[0,7]，0：其他关系类型，1：亲属关系，2：联系人关系，3：同事关系，4：同学关系，5：同乡关系，6：同行人关系，7：关联关系。保存的字符串中每个节点用‘，’隔开，若有多条路径则每条路径用‘；’隔开。
  • dijkstraWithDefaultWeight():从图中查找两个人物节点之间的最小代价关系路径。关系类型[0,7]，0：其他关系类型，1：亲属关系，2：联系人关系，3：同事关系，4：同学关系，5：同乡关系，6：同行人关系，7：关联关系。返回的字符串中每个节点用‘，’隔开，若有多条路径则每条路径用‘；’隔开。