关系网络的构建方法及装置与流程

本发明涉及数据统计
技术领域：
，尤其涉及一种关系网络的构建方法及装置。
背景技术：
：关系网络由一系列节点和关系构成,因为每个节点都存在自身的内在需求,节点之间会存在彼此交互、共享信息资源,所以节点之间出现了关系,并由此衍生出关系构建。关系的构建过程形成了关系网络,关系网络越庞大,节点能够获取的信息和资源就越多。在关系网络构建过程中,节点之间关系的亲疏程度,是节点关系亲疏度来衡量的。目前，构建关系网络时首先需要对节点的连接边数进行排序，然后将连接边数相近的节点定义成一组，最后根据组内各节点的连接边数构建关系网络。由于上述构建方式下设置的同一组内节点连接概率比组间节点的连接概率高，因此在这种构建方式下，会导致连接变数相近的节点进行关联，例如，将会导致连接边数多的节点只会与连接边数多的节点相关联，连接边数少的节点只会与连接边数少的节点相关联，而在实际生活当中另外还存在一些连接边数多的节点和连接边数少的节点相关联，因此现有关系网络构建与真实的关系网络分布是不一致的，从而现有关系网络构建的准确率低。技术实现要素：有鉴于此，本发明实施例提供一种关系网络的构建方法及装置，主要目的是解决构建的关系网络准确率低的问题。为达到上述目的，本发明提供如下技术方案：一方面，本发明实施例提供了一种关系网络的构建方法，该方法包括：获取待构建关系网络中的节点总数；生成与所述节点总数对应的多个节点编号，所述节点编号用于标识所述关系网络中的节点，每一个节点对应一个节点编号；根据预置分布函数和预置概率衰减表，获取与各节点编号分别对应的关联节点编号，所述预置概率衰减表中存储有以各节点编号分别为起点的不同距离范围内的多个节点编号区域，每个节点编号区域都配置有与其对应节点编号的关联概率；通过与各节点编号分别对应的关联节点编号构建所述关系网络。另一方法，本发明实施例提供了一种关系网络的构建装置，该装置包括：获取单元，用于获取待构建关系网络中的节点总数；生成单元，用于生成与所述节点总数对应的多个节点编号，所述节点编号用于标识所述关系网络中的节点，每一个节点对应一个节点编号；所述获取单元，还用于根据预置分布函数和预置概率衰减表，获取与各节点编号分别对应的关联节点编号，所述预置概率衰减表中存储有以各节点编号分别为起点的不同距离范围内的多个节点编号区域，每个节点编号区域都配置有与其对应节点编号的关联概率；构建单元，用于通过与各节点编号分别对应的关联节点编号构建所述关系网络。借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：本发明实施例提供的一种关系网络的构建方法及装置，首先获取待构建关系网络中的节点总数，然后生成与所述节点总数对应的多个节点编号，再根据预置分布函数和预置概率衰减表，获取与各节点编号分别对应的关联节点编号，其中所述预置概率衰减表中存储有以各节点编号分别为起点的不同距离范围内的多个节点编号区域，每个节点编号区域都配置有与其对应节点编号的关联概率，最后通过与各节点编号分别对应的关联节点编号构建所述关系网络。与目前通过连接边数相近的节点构建关系网络相比，本发明实施例在获取与各节点编号分别对应的关联节点编号的过程中，首先从预置概率衰减表中选取与随机概率值对应的节点编号区域，然后从上 述节点编号区域中随机抽取出相应的节点编号与当前节点编号相关联，由于预置概率衰减表中各节点编号区域内对应的是顺序排列的多个节点编号，且各节点编号的连接边数是随机的，因此在通过本发明实施例选取的关联节点编号，解决了技术中连接边数多的节点只会与连接边数多的节点相关联，连接边数少的节点只会与连接边数少的节点相关联的问题，从而通过本发明实施例可以提高关系网络构建的准确率。上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了本发明实施例提供的一种关系网络的构建方法的流程图；图2示出了本发明实施例提供的另一种关系网络的构建方法的流程图；图3示出了本发明实施例提供的一种关系网络的构建装置的结构示意图；图4示出了本发明实施例提供的另一种关系网络的构建装置的结构示意图；图5示出了本发明实施例提供的各节点编号区域示意图；图6示出了本发明实施例提供的与节点编号区域对应的关联概率示意图；图7示出了本发明实施例提供的幂律分布函数的拟合曲线图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开 而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。为使本发明技术方案的优点更加清楚，下面结合附图和实施例对本发明作详细说明。本发明实施例提供了一种关系网络的构建方法，如图1所示，所述方法包括：101、获取待构建关系网络中的节点总数。其中，所述节点总数用于表示待构建关系网络中节点的个数。在本发明实施例中，节点总数可以是预先设置好的，也可是客户端输入的。需要说明的是，关系网络中的节点在实际应用中具体可以代表一个实体，如在通讯关系网络或是在社交关系网络中，关系网络中的每个节点具体可代表一个人；在客运关系网络中，关系网络中的每个节点具体可代表一个城市，本发明实施例不做具体限定。102、生成与所述节点总数对应的多个节点编号。其中，所述节点编号用于标识所述关系网络中的节点，每一个节点对应一个节点编号，关系网络中的每个节点编号是唯一且不重复的。在本发明实施例中，所述节点编号具体可以通过阿拉伯数字进行表示，也可通过罗马数字进行表示，本发明实施例不做具体限定。例如，若在步骤101当中获取到的节点总数为8000000，则在本步骤当中要生成8000000个节点编号，各节点编号具体可通过数字1-8000000进行编码表示。需要说明的是，在生成与节点总数对应的多个节点编号之后，可将节点编号存储到一个表中，该表当中只有一列节点编号数据，表中的每行数据用于唯一表示一个节点编号。对于本发明实施例中，将生成的节点编号存储到一个表中，可方便后续对各节点编号进行处理，提高了对节点编号的处理效率。103、根据预置分布函数和预置概率衰减表，获取与各节点编号分别对应的关联节点编号。其中，所述预置概率衰减表中存储有以各节点编号分别为起点的不同 距离范围内的多个节点编号区域，每个节点编号区域都配置有与其对应节点编号的关联概率。对于本发明实施例，预置概率表中的数据是根据实际关系网络中的数据进行总结得到的。对于本发明实施例，所述预置分布函数可以根据实际情况进行选择，如预置分布函数具体可以为幂律分布函数、概率分布函数、正态分布函数等，本发明实施例不做具体限定。需要说明的是，本发明实施例不对预置概率衰减表中的数据做具体的限定。例如，在对舟山市两周内的通讯关系网络进行分析后发现，朋友圈的联系人大约为200人，他们之间互相联系的概率为0.8；朋友圈的联系人大约为2000人，他们之间互相联系的概率为0.1；朋友圈的联系人大约为20000人，他们之间互相联系的概率为0.08；朋友圈的联系人大约为200000人，他们之间互相联系的概率为0.018；朋友圈的联系人超过20000000人，他们之间互相联系的概率为0.002。则针对上述数据进行总结，可得出概率衰减表中的具体数据，如表1所示：表1节点编号区域±100±1000±10000±100000±1000000关联概率0.80.10.080.0180.002其中，表1中编号区域数据具体表示的是以各节点编号分别为起点的不同距离范围内的多个节点编号区域，关联概率数据表示的是节点编号与各节点编号区域相关联的概率。对于本发明实施例，表1中的节点编号区域数据也可以通过图5进行表示，如在图5中节点编号区域①是以各节点编号为中心正负100距离范围内的节点编号；节点编号区域②是以各节点编号为中心正负100距离后至正负1000距离范围内的节点编号；节点编号区域③是以各节点编号为中心正负1000距离后至正负10000距离范围内的节点编号；节点编号区域④是以各节点编号为中心正负10000距离后至正负100000距离范围内的节点编号；节点编号区域⑤是以各节点编号为中心正负100000距离后的节点编号。在本发明实施例中，通过表1中数据和图5可以看出，每个节点编号对应的节点编号区域都是不同的，但是各节点编码在同一距离范围内的节点编号区域内的节点编码的个数是相同的。对于本发明实施例，可通过图6中的数值范围表示表1中与各编号区 域的关联概率，如在图6当中通过数值范围0-0.002表示节点编号区域⑤对应的关联概率0.002；通过数值范围0.002-0.2表示节点编号区域④对应的关联概率0.018；通过数值范围0.02-0.1表示节点编号区域③对应的关联概率0.08；通过数值范围0.1-0.2表示节点编号区域②对应的关联概率0.1；通过数值范围0.2-1表示节点编号区域①对应的关联概率0.8。在本发明实施例中，步骤103具体可以为：首先根据现有小规模的关系网络数据拟合幂律分布函数，其中幂律分布函数对应的拟合曲线如图7所示，然后根据该幂律分布函数获取待构建关系网络中各节点编号分别对应的关联边数，接着针对每一个节点编号的关联边数，生成关联边数个随机数，最后从预置概率衰减表中选取与所述随机数对应的节点编号区域，并从该节点编号区域当中随机抽取出对应的节点编码与当前节点编码关联。需要说明的是，由于在关系网络挖掘的业务场景中，经常需要接近于真实场景的大规模关系网络数据，而这种大规模关系网络数很难获取，如通讯数据只掌握在各家通讯公司手中，而sns(socialnetworkingservices，社交)数据又尽在各个sns公司手中。而在本发明实施例中，通过统计现有小规模的关系网络数据的幂律分布函数的各种指标，然后将统计的数据拟合成幂律分布函数，最后根据拟合成的幂律分布函数得到待构建关系网络中各节点编号分别对应的连接边数，由于待构建关系网络中各节点编号分别对应的连接边数是通过现有小规模的关系网络数据合成的幂律分布函数得到的，因此通过本发明获取的各节点编号分别对应的连接边数符合实际关系网络中数据的分布，从而通过本发明中的幂律分布函数可以解决现有技术中获取大规模关系网络数据困难的问题。104、通过与各节点编号分别对应的关联节点编号构建所述关系网络。在本发明实施例中，首先获取待构建关系网络中的节点总数，然后生成与所述节点总数对应的多个节点编号，接着根据幂律分布函数和预置概率衰减表，获取与各节点编号分别对应的关联节点编号，最后通过与各节点编号分别对应的关联节点编号构建所述关系网络。由于本发明实施例中各节点对应的关联边数是通过幂律分布函数得到的，而幂律分布函数则是 对现有的小规模关系数据进行拟合得到的，因此本发明实施例在无需获得大规模的关系数据的情况下就可以构建关系网络，从而解决了获取大规模关系数据困难的问题。另外，本发明中获取的与各节点编号分别对应的关联节点编号，是根据预置概率衰减表中的数据随机抽取的，由于预置概率衰减表中各节点编号区域内对应的是顺序排列的多个节点编号，且各节点编号的连接边数是随机的，因此在通过本发明实施例选取的关联节点编号，解决了技术中连接边数多的节点只会与连接边数多的节点相关联，连接边数少的节点只会与连接边数少的节点相关联的问题，从而通过本发明实施例可以提高关系网络构建的准确率。本发明实施例提供的一种关系网络的构建方法，首先获取待构建关系网络中的节点总数，然后生成与所述节点总数对应的多个节点编号，再根据预置分布函数和预置概率衰减表，获取与各节点编号分别对应的关联节点编号，其中所述预置概率衰减表中存储有以各节点编号分别为起点的不同距离范围内的多个节点编号区域，每个节点编号区域都配置有与其对应节点编号的关联概率，最后通过与各节点编号分别对应的关联节点编号构建所述关系网络。与目前通过连接边数相近的节点构建关系网络相比，本发明实施例在获取与各节点编号分别对应的关联节点编号的过程中，首先从预置概率衰减表中选取与随机概率值对应的节点编号区域，然后从上述节点编号区域中随机抽取出相应的节点编号与当前节点编号相关联，由于预置概率衰减表中各节点编号区域内对应的是顺序排列的多个节点编号，且各节点编号的连接边数是随机的，因此在通过本发明实施例选取的关联节点编号，解决了技术中连接边数多的节点只会与连接边数多的节点相关联，连接边数少的节点只会与连接边数少的节点相关联的问题，从而通过本发明实施例可以提高关系网络构建的准确率。本发明实施例提供了另一种关系网络的构建方法，应用于odps(opendataprocessingservice,大数据计算服务)，如图2所示，所述方法包括：201、获取待构建关系网络中的节点总数。202、生成与所述节点总数对应的多个节点编号。其中，所述节点编号用于标识所述关系网络中的节点，每一个节点对应一个节点编号。需要说明的是，在生成与节点总数对应的多个节点编号之后，可将节点编号存储到一个表中，该表当中只有一列节点编号数据，每行数据用于唯一表示一个节点编号。对于本发明实施例中，将生成的节点编号存储到一个表中，可方便后续对各节点编号进行处理，提高了对节点编号的处理效率。进一步地，在将生成的节点编号存储到一个表中之后，可将表中的数据平均分配到多个odps当中，然后由各个odps分别获取其分配到的节点标号对应的关联节点编号，通过多个odps获取各节点编号分别对应的关联节点编号可以提高构建关系网络的效率。203、通过幂律分布函数统计各节点编号分别对应的关联边数。其中，所述关联边数是与所述节点编号相关联的节点编号的个数，对于本发明实施例，步骤203包括：根据幂律分布函数中的预置常数及预置概率值统计各节点编号分别对应的关联边数。所述根据幂律分布函数中的预置常数及预置概率值统计各节点编号分别对应的关联边数具体可以为：通过幂律分布函数公式统计各节点编号分别对应的关联边数，该幂律分布函数公式对应的拟合曲线如图7所示。其中，所述预置常数为b、c，所述预置概率值为x，所述f(x)是与所述预置概率值对应的关联边数。在本发明实施例中，所述幂律分布函数公式是根据历史关系网络中的数据分布得到的，是拟合历史节点数据的公式，因此通过上述幂律分布函数公式统计各节点编号分别对应的关联边数满足实际关系网络中数据的分布，从而通过幂律分布函数可以解决获取大规模关系网络数据困难的问题。在本发明实施例中，所述根据幂律分布函数中的预置常数及预置概率值统计各节点编号分别对应的关联边数之前，所述方法还包括：根据历史节点数据中的概率值及与所述概率值对应的关联边数获取所述幂律分布函数中的预置常数。对于本发明实施例，所述根据历史节点数据中的概率值及与所述概率值对应的关联边数获取所述幂律分布函数中的预置常数具体可以为：根据 预置公式获取所述幂律分布函数公式中的b、c值。其中，所述预置公式中的n为历史节点数据中的概率值，m为所述历史节点数据中与所述概率值对应的关联边数，所述x、y分别对应所述幂律分布函数公式中的b、c值。对于本发明实施例，历史节点数据是根据待构建关系网络进行选择的，若待构建关系网络是通讯关系网络，则历史节点数据则为历史通讯数据；若待构建关系网络是社交关系网络，则历史节点数据则为历史社交数据，本发明实施例不做具体限定。例如，当构建关系网络为通讯关系网络时，历史节点数据具体可以为舟山市两周内的真实通讯数据，通过对这些真实通讯数据进行统计，得出在两周内不同联系电话数分别对应的概率值，如两周内联系电话为10的人数所占的概率为0.7，两周内联系电话为25的人数所占的概率为0.1等，然后将这些经过统计的数据代入上述预置公式中，即将统计得到的概率值作为n，与概率值对应的联系电话数作为m代入预置公式中，求出公式中的x和y的值，即得到幂律分布函数公式中的b、c值。在本发明实施例中，所述根据所述幂律分布函数中的预置常数及预置概率值统计各节点编号分别对应的关联边数包括：生成各节点编号分别对应的概率值，所述概率值是根据系统当前时间生成的0至1之间的浮点数；根据所述幂律分布函数中的预置常数和所述生成的概率值，计算各节点编号分别对应的关联边数。204、根据所述预置概率衰减表获取每个节点编号对应的关联边数个的关联节点编号。其中，所述预置概率衰减表中存储有以各节点编号分别为起点的不同距离范围内的多个节点编号区域，每个节点编号区域都配置有与其对应节点编号的关联概率；所述关联边数是与所述节点编号相关联的节点编号的个数。对于本发明实施例，预置概率表中的数据是根据实际关系网络中的数据进行总结得到的。对于本发明实施例，步骤204包括：生成所述关联边数个的关联边概率值，所述关联边概率值是根据系统当前时间生成的0至1之间的浮点数；根据所述关联边概率值和所述预置概率衰减表，获取各节点编号分别对应 的关联节点编号。在本发明实施例中，根据所述关联边概率值和所述预置概率衰减表，获取各节点编号分别对应的关联节点编号包括：从所述预置概率衰减表中获取与各关联边概率值分别对应的节点编号区域；从获取的各节点编号区域内分别抽取对应的节点编号与所述节点编号关联。例如，关系网络中的一个节点编号对应的关联边数为5，则为该节点编号分配5个相关联的节点编号，对每个节点编号进行如下操作：首先根据系统当前时间生成的0至1之间的关联边概率值，然后根据预置概率衰减表中数据或图5、图6所示内容，确定相关联的节点编号。若生成的关联边概率值为0.4231913212，由于在图6当中关联边概率值0.4231913212在0.2-0.8的范围之间，因此可确定该关联边概率值对应的节点编号区间为①，此时需要从以节点编号为中心正负100距离范围内的节点编号区域内随机寻找一个节点编号与当前节点编号相关联，即从图5中节点编号区间①中随机寻找一个节点编号。需要说明的是，在根据预置概率衰减表获取各节点编号分别对应的关联节点编号过程中，由于每个节点编号对应的关联节点编号均是根据随机生成的概率值从预置概率衰减表中获取与该概率值对应的节点编号区域，然后从获取的节点编号区域中随机抽出对应的节点编号与当前节点编号相关联。因此根据本发明实施例构建的关系网络，解决了现有技术在获取各节点编号分别对应的关联节点编号过程中，需要频繁的获取其他节点编号的连接边数的状态信息的问题，从而通过本发明创建的关系网络可以减少分布式系统所产生的大量通讯量。205、通过与各节点编号分别对应的关联节点编号构建所述关系网络。对于本发明实施例可以运作的示例如下所示，但不仅限于此，包括：首先对历史节点数据进行统计，计算其幂律分布指标，得出幂律分布函数公式中c为200000，b为0.85。若获取到的节点总数为8000000，则在odps中生成一张表，此表只有一列节点编号数据，该表中有8000000行的数据，每行数据有唯一表示节点体编号，然后odps会自动把8000000行数据分配到n个odps上，n即为odps的并发数。接着每个odps读取分配到 其上的数据，对任意一个节点编号，生成一个随机数，然后把这个随机数及上述b、c得到的值代入到幂律分布函数公式中，得到各个节点编号分别对应的连接边数。假设某一节点编号的连接边数为5，则为此节点编号分配5个相关联的节点编号，对每个关联节点编号进行如下操作：首先生成一个0-1之内的随机数，然后根据预置概率衰减表确定与生成的随机数对应的节点编号区域，最后从确定的节点编号区域中内随机选择一个节点编号，与上述节点编号相关联。本发明实施例提供的另一种关系网络的构建方法，首先获取待构建关系网络中的节点总数，然后生成与所述节点总数对应的多个节点编号，再根据预置分布函数和预置概率衰减表，获取与各节点编号分别对应的关联节点编号，其中所述预置概率衰减表中存储有以各节点编号分别为起点的不同距离范围内的多个节点编号区域，每个节点编号区域都配置有与其对应节点编号的关联概率，最后通过与各节点编号分别对应的关联节点编号构建所述关系网络。与目前通过连接边数相近的节点构建关系网络相比，本发明实施例在获取与各节点编号分别对应的关联节点编号的过程中，首先从预置概率衰减表中选取与随机概率值对应的节点编号区域，然后从上述节点编号区域中随机抽取出相应的节点编号与当前节点编号相关联，由于预置概率衰减表中各节点编号区域内对应的是顺序排列的多个节点编号，且各节点编号的连接边数是随机的，因此在通过本发明实施例选取的关联节点编号，解决了技术中连接边数多的节点只会与连接边数多的节点相关联，连接边数少的节点只会与连接边数少的节点相关联的问题，从而通过本发明实施例可以提高关系网络构建的准确率。进一步地，本发明实施例提供一种关系网络的构建装置，如图3所示，所述装置包括：获取单元31，生成单元32，构建单元33。获取单元31，用于获取待构建关系网络中的节点总数；生成单元32，用于生成与所述节点总数对应的多个节点编号，所述节点编号用于标识所述关系网络中的节点，每一个节点对应一个节点编号；所述获取单元31，还用于根据预置分布函数和预置概率衰减表，获取与各节点编号分别对应的关联节点编号，所述预置概率衰减表中存储有以 各节点编号分别为起点的不同距离范围内的多个节点编号区域，每个节点编号区域都配置有与其对应节点编号的关联概率；构建单元33，用于通过与各节点编号分别对应的关联节点编号构建所述关系网络。需要说明的是，本发明实施例提供的一种关系网络的构建装置所涉及各功能单元的其他相应描述，可以参考图1所示方法的对应描述，在此不再赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。本发明实施例提供的一种关系网络的构建装置，首先获取待构建关系网络中的节点总数，然后生成与所述节点总数对应的多个节点编号，再根据预置分布函数和预置概率衰减表，获取与各节点编号分别对应的关联节点编号，其中所述预置概率衰减表中存储有以各节点编号分别为起点的不同距离范围内的多个节点编号区域，每个节点编号区域都配置有与其对应节点编号的关联概率，最后通过与各节点编号分别对应的关联节点编号构建所述关系网络。与目前通过连接边数相近的节点构建关系网络相比，本发明实施例在获取与各节点编号分别对应的关联节点编号的过程中，首先从预置概率衰减表中选取与随机概率值对应的节点编号区域，然后从上述节点编号区域中随机抽取出相应的节点编号与当前节点编号相关联，由于预置概率衰减表中各节点编号区域内对应的是顺序排列的多个节点编号，且各节点编号的连接边数是随机的，因此在通过本发明实施例选取的关联节点编号，解决了技术中连接边数多的节点只会与连接边数多的节点相关联，连接边数少的节点只会与连接边数少的节点相关联的问题，从而通过本发明实施例可以提高关系网络构建的准确率。进一步地，本发明实施例提供另一种关系网络的构建装置，如图4所示，所述装置包括：获取单元41，生成单元42，构建单元43。获取单元41，用于获取待构建关系网络中的节点总数；生成单元42，用于生成与所述节点总数对应的多个节点编号，所述节点编号用于标识所述关系网络中的节点，每一个节点对应一个节点编号；所述获取单元41，还用于根据预置分布函数和预置概率衰减表，获取 与各节点编号分别对应的关联节点编号，所述预置概率衰减表中存储有以各节点编号分别为起点的不同距离范围内的多个节点编号区域，每个节点编号区域都配置有与其对应节点编号的关联概率；构建单元43，用于通过与各节点编号分别对应的关联节点编号构建所述关系网络。对于本发明实施例，所述获取单元41包括：统计模块411，用于通过幂律分布函数统计各节点编号分别对应的关联边数，所述关联边数是与所述节点编号相关联的节点编号的个数；获取模块412，用于根据所述预置概率衰减表获取每个节点编号对应的关联边数个的关联节点编号。所述统计模块411，具体用于根据所述幂律分布函数中的预置常数及预置概率值统计各节点编号分别对应的关联边数。所述获取模块412，还用于根据历史节点数据中的概率值及与所述概率值对应的关联边数获取所述幂律分布函数中的预置常数。所述统计模块411，还用于生成各节点编号分别对应的概率值，所述概率值是根据系统当前时间生成的0至1之间的浮点数；所述统计模块411，还用于根据所述幂律分布函数中的预置常数和所述生成的概率值，计算各节点编号分别对应的关联边数。所述获取模块412，具体用于生成所述关联边数个的关联边概率值，所述关联边概率值是根据系统当前时间生成的0至1之间的浮点数；所述获取模块412，具体用于根据所述关联边概率值和所述预置概率衰减表，获取各节点编号分别对应的关联节点编号。所述获取模块412，具体还用于从所述预置概率衰减表中获取与各关联边概率值分别对应的节点编号区域；所述获取模块412，具体还用于从获取的各节点编号区域内分别抽取对应的节点编号与所述节点编号关联。需要说明的是，本发明实施例提供的一种关系网络的构建装置所涉及各功能单元的其他相应描述，可以参考图2所示方法的对应描述，在此不再赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中 的全部内容。本发明实施例提供的另一种关系网络的构建装置，首先获取待构建关系网络中的节点总数，然后生成与所述节点总数对应的多个节点编号，再根据预置分布函数和预置概率衰减表，获取与各节点编号分别对应的关联节点编号，其中所述预置概率衰减表中存储有以各节点编号分别为起点的不同距离范围内的多个节点编号区域，每个节点编号区域都配置有与其对应节点编号的关联概率，最后通过与各节点编号分别对应的关联节点编号构建所述关系网络。与目前通过连接边数相近的节点构建关系网络相比，本发明实施例在获取与各节点编号分别对应的关联节点编号的过程中，首先从预置概率衰减表中选取与随机概率值对应的节点编号区域，然后从上述节点编号区域中随机抽取出相应的节点编号与当前节点编号相关联，由于预置概率衰减表中各节点编号区域内对应的是顺序排列的多个节点编号，且各节点编号的连接边数是随机的，因此在通过本发明实施例选取的关联节点编号，解决了技术中连接边数多的节点只会与连接边数多的节点相关联，连接边数少的节点只会与连接边数少的节点相关联的问题，从而通过本发明实施例可以提高关系网络构建的准确率。所述关系网络的构建装置包括处理器和存储器，上述获取单元，生成单元，构建单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决构建的关系网络准确率低的问题。存储器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(flashram)，存储器包括至少一个存储芯片。本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序代码：获取待构建关系网络中的节点总数；生成与所述节点总数对应的多个节点编号，所述节点编号用于标识所述关系网络中的节点，每一个节点对应一个节点编号；根据预置分布 函数和预置概率衰减表，获取与各节点编号分别对应的关联节点编号，所述预置概率衰减表中存储有以各节点编号分别为起点的不同距离范围内的多个节点编号区域，每个节点编号区域都配置有与其对应节点编号的关联概率；通过与各节点编号分别对应的关联节点编号构建所述关系网络。本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、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。本申请是参照根据本申请实施例关系网络的构建方法及装置、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。存储器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(flashram)。存储器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(transitorymedia)，如调制的数据信号和载波。以上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。当前第1页12