Egonet的信息处理方法和装置与流程

本发明实施例涉及通信技术，尤其涉及一种Egonet的信息处理方法和装置。
背景技术：
：Egonet是由一个个体和若干个与该个体有连接的其他个体组成的网络，可以应用于Facebook、Twitter、微信等为代表的社交网络平台上，直观的体现用户的社交网络。在社交网络平台场景中，Egonet可以由一个用户、该用户的朋友、以及用户和朋友之间的连接关系组成，则Egonet的统计特征可以包括连接密度、朋友数目等，根据Egonet的统计特征变化趋势可以获取用户社交网络的演变模式，例如，根据Egonet的统计特征可以发现某用户在最近两年内的朋友数目显著增加，或者，某用户与一部分朋友的联系变得比较少等情况。为了直观的体现Egonet的统计特征变化趋势，现有技术中，将每个时刻的Egonet抽象为一个拓扑图，并用不同时刻的Egonet的拓扑图来展现Egonet的统计特征。对比相邻两个时刻的Egonet的拓扑图，可以找出Egonet的统计特征变化趋势，从而了解该用户社交网络的演变模式。图1为现有技术中的一种展现Egonet的统计特征的方法示意图。如图1所示，该图中包含一组时间戳和与每个时间戳对应的Egonet的拓扑图，其中，时间戳t1、t2、t3对应的Egonet的拓扑图分别为图G1、G2、G3，在G1、G2、G3中，若b为用户，则a、c、d、e均为b的朋友。采用基于时间轴的方式，按照时间戳顺序，将不同时间戳对应的Egonet的拓扑图排列在互不重合的视觉区域上，通过对图G1、G2、G3的观察，可以获取Egonet的统计特征变化趋势，从而了解用户社交网络的演变模式。但是，现有技术中，当用户的朋友比较多，并且，用户与朋友的连接 关系比较复杂时，Egonet的拓扑图也比较复杂，因此，仅通过观察不同时间戳对应的Egonet的拓扑图中的点线连接关系，很难看清楚Egonet的统计特征变化趋势，从而无法正确的了解用户社交网络的演变模式。技术实现要素：本发明实施例提供一种Egonet的信息处理方法和装置，可以直观的看清每个时间戳对应的Egonet的统计特征变化趋势，从而正确的了解用户社交网络的演变模式。第一方面，本发明实施例提供一种Egonet的信息处理方法，包括：获取每个时间戳对应的Egonet的统计特征；其中，所述统计特征表示所述Egonet中的用户与联系人之间的连接特性；根据每个所述时间戳对应的Egonet的统计特征，在每个所述时间戳对应的视觉区域内生成每个所述时间戳对应的统计特征图；其中，所述时间戳对应的统计特征图为通过形状、大小和颜色中的至少一种几何特性所表示的图案；根据每个所述时间戳对应的统计特征图和与每个所述时间戳相邻的前一个时间戳对应的统计特征图，确定每个所述时间戳对应的所述Egonet的统计特征变化趋势。结合第一方面，在第一方面的第一种可能实现方式中，所述获取每个时间戳对应的Egonet的统计特征之后，所述方法还包括：获取每个所述时间戳对应的Egonet的连接强度；其中，所述连接强度表示所述Egonet中用户与每个联系人之间的联系次数；根据每个所述时间戳对应的Egonet的连接强度，和，与每个所述时间戳相邻的前一个时间戳对应的Egonet的连接强度，获取每个所述时间戳对应的Egonet的演变统计特征；其中，所述演变统计特征表示在所述Egonet中按照所述连接强度划分的不同类型联系人的比例；则所述根据每个所述时间戳对应的Egonet的统计特征，在每个所述时间戳对应的视觉区域内生成每个所述时间戳对应的统计特征图，具体包括：根据每个所述时间戳对应的Egonet的演变统计特征和每个所述时间戳对应的Egonet的统计特征，在每个所述时间戳对应的视觉区域内生成每个所述 时间戳对应的统计特征图。结合第一方面的第一种可能实现方式，在第一方面的第二种可能实现方式中，所述统计特征包括所述时间戳下的Egonet的连接密度、1度朋友数目和2度朋友数目；其中，所述Egonet的连接密度表示所述用户与联系人之间的连接紧密程度，所述1度朋友包括所述用户的直接联系人，所述2度朋友包括所述用户的间接联系人；所述演变统计特征包括所述1度朋友中新增的联系人比例、连接强度不变的联系人比例、连接强度加强的联系人比例、连接强度减弱的联系人比例。结合第一方面的第二种可能实现方式，在第一方面的第三种可能实现方式中，所述根据每个所述时间戳对应的Egonet的统计特征，在每个所述时间戳对应的视觉区域内生成每个所述时间戳对应的统计特征图，具体包括：在每个所述时间戳对应的视觉区域内生成三个半径分别为A、B、C，且填充颜色互不相同的同心圆；其中，B和C均大于A，半径为A的同心圆表示所述时间戳对应的Egonet的连接密度，半径为B的同心圆表示所述时间戳下的所述1度朋友数目，半径为C的同心圆表示所述时间戳下的所述2度朋友数目。结合第一方面的第三种可能实现方式，在第一方面的第四种可能实现方式中，所述在每个所述时间戳对应的视觉区域内生成三个半径分别为A、B、C，且填充颜色互不相同的同心圆之后，所述方法还包括：根据所述新增的联系人比例、所述连接强度不变的联系人比例、所述连接强度加强的联系人比例、所述连接强度减弱的联系人比例，将所述半径为B的同心圆和所述半径为A的同心圆所形成的圆环划分为四个区块，并为每个所述区块填充不同的颜色。结合第一方面的第二种至第四种中的任一种可能实现方式，在第一方面的第五种可能实现方式中，所述根据每个所述时间戳对应的Egonet的演变统计特征和每个所述时间戳对应的Egonet的统计特征，在每个所述时间戳对应的视觉区域内生成每个所述时间戳对应的统计特征图之后，所述方法还包括：获取每个所述时间戳对应的Egonet，和，每个与所述时间戳相邻的前一个时间戳对应的Egonet中相同的1度朋友，构成每个1度朋友集合；根据所述1度朋友集合，分别计算每个所述时间戳对应的Egonet的连接 强度均值；根据每个所述时间戳对应的Egonet的连接强度均值和每个与所述时间戳相邻的前一个时间戳对应的Egonet的连接强度均值，计算每个所述时间戳对应的Egonet的连接强度变化值；根据每个所述1度朋友集合和每个所述时间戳对应的Egonet的连接强度变化值，在每个所述时间戳对应的统计特征图和与每个所述时间戳相邻的前一个时间戳对应的统计特征图之间，生成用于表示所述相同的1度朋友的数目和所述时间戳对应的Egonet的连接强度变化值的几何图案；则所述根据每个所述时间戳对应的统计特征图和与每个所述时间戳相邻的前一个时间戳对应的统计特征图，确定每个所述时间戳对应的所述Egonet的统计特征变化趋势，具体包括：根据每个所述时间戳对应的统计特征图、与每个所述时间戳相邻的前一个时间戳对应的统计特征图、以及所述几何图案，确定每个所述时间戳对应的所述Egonet的统计特征变化趋势。第二方面，本发明实施例提供一种Egonet的信息处理装置，包括：获取模块，用于获取每个时间戳对应的Egonet的统计特征；其中，所述统计特征表示所述Egonet中的用户与联系人之间的连接特性；处理模块，用于根据每个所述时间戳对应的Egonet的统计特征，在每个所述时间戳对应的视觉区域内生成每个所述时间戳对应的统计特征图；其中，所述时间戳对应的统计特征图为通过形状、大小和颜色中的至少一种几何特性所表示的几何图案；确定模块，用于根据每个所述时间戳对应的统计特征图和与每个所述时间戳相邻的前一个时间戳对应的统计特征图，确定每个所述时间戳对应的所述Egonet的统计特征变化趋势。结合第二方面，在第二方面的第一种可能实现方式中，所述获取模块还用于获取每个所述时间戳对应的Egonet的连接强度；并根据每个所述时间戳对应的Egonet的连接强度，和，与每个所述时间戳相邻的前一个时间戳对应的Egonet的连接强度，获取每个所述时间戳对应的Egonet的演变统计特征；其中，所述连接强度表示所述Egonet中用户与每个联系人之间的联系次数；所述演变统计特征表示在所述Egonet中按照所述连接强度划分的不同类型联 系人的比例；所述处理模块具体用于根据每个所述时间戳对应的Egonet的演变统计特征和每个所述时间戳对应的Egonet的统计特征，在每个所述时间戳对应的视觉区域内生成每个所述时间戳对应的统计特征图。结合第二方面的第一种可能实现方式，在第二方面的第二种可能实现方式中，所述统计特征包括所述时间戳下的Egonet的连接密度、1度朋友数目和2度朋友数目；其中，所述Egonet的连接密度表示所述用户与联系人之间的连接紧密程度，所述1度朋友包括所述用户的直接联系人，所述2度朋友包括所述用户的间接联系人；所述演变统计特征包括所述1度朋友中新增的联系人比例、连接强度不变的联系人比例、连接强度加强的联系人比例、连接强度减弱的联系人比例。结合第二方面的第二种可能实现方式，在第二方面的第三种可能实现方式中，所述处理模块具体用于在每个所述时间戳对应的视觉区域内生成三个半径分别为A、B、C，且填充颜色互不相同的同心圆；其中，B和C均大于A，半径为A的同心圆表示所述时间戳对应的Egonet的连接密度，半径为B的同心圆表示所述时间戳下的所述1度朋友数目，半径为C的同心圆表示所述时间戳下的所述2度朋友数目。结合第二方面的第三种可能实现方式，在第二方面的第四种可能实现方式中，所述处理模块具体还用于根据所述新增的联系人比例、所述连接强度不变的联系人比例、所述连接强度加强的联系人比例、所述连接强度减弱的联系人比例，将所述半径为B的同心圆和所述半径为A的同心圆所形成的圆环划分为四个区块，并为每个所述区块填充不同的颜色。结合第二方面的第二种至第四种中的任一种可能实现方式，在第二方面的第五种可能实现方式中，所述获取模块还用于获取每个所述时间戳对应的Egonet，和，每个与所述时间戳相邻的前一个时间戳对应的Egonet中相同的1度朋友，构成每个1度朋友集合；根据所述1度朋友集合，分别计算每个所述时间戳对应的Egonet的连接强度均值；根据每个所述时间戳对应的Egonet的连接强度均值和每个与所述时间戳相邻的前一个时间戳对应的Egonet的连接强度均值，计算每个所述时间戳对应的Egonet的连接强度变化值；所述处理模块还用于根据每个所述1度朋友集合和每个所述时间戳对应的Egonet的连接强度变化值，在每个所述时间戳对应的统计特征图和与每个所述时间戳相邻的前一个时间戳对应的统计特征图之间，生成用于表示所述相同的1度朋友的数目和所述时间戳对应的Egonet的连接强度变化值的几何图案；所述确定模块具体用于根据每个所述时间戳对应的统计特征图、与每个所述时间戳相邻的前一个时间戳对应的统计特征图、以及所述几何图案，确定每个所述时间戳对应的所述Egonet的统计特征变化趋势。本实施例提供的Egonet的信息处理方法和装置，终端或者网络侧设备获取每个时间戳对应的Egonet的统计特征，根据每个时间戳对应的Egonet的统计特征，在每个时间戳对应的视觉区域内生成每个时间戳对应的统计特征图，根据每个时间戳对应的统计特征图和与每个时间戳相邻的前一个时间戳对应的统计特征图，确定每个时间戳对应的Egonet的统计特征变化趋势，由于时间戳对应的统计特征图为通过形状、大小和颜色中的至少一种几何特性所表示的图案，因此，通过对比相邻时间戳对应的Egonet的统计特征图，可以直观的看清每个时间戳对应的Egonet的统计特征变化趋势，从而正确的了解用户社交网络的演变模式。附图说明为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为现有技术中的一种展现Egonet的统计特征的方法示意图；图2为本发明实施例一提供的Egonet的信息处理方法的流程图；图3为现有技术中的一种两个相邻时间戳下的Egonet的拓扑图；图4为本发明实施例提供的一种两个相邻时间戳对应的Egonet的统计特征图；图5为本发明实施例二提供的Egonet的信息处理方法的流程图；图6为本发明实施例三提供的Egonet的信息处理方法的流程图；图7为本发明实施例提供的一种两个相邻时间戳对应的Egonet的统计特征图；图8为本发明实施例四提供的Egonet的信息处理装置的结构示意图。具体实施方式为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。图2为本发明实施例一提供的Egonet的信息处理方法的流程图。本实施例的执行主体可以为用户终端，也可以为网络侧设备，例如，终端可以为手机、电脑、平板电脑等设备，网络侧设备可以为网络的服务器、处理器等设备。如图1所示，本实施例的方法包括以下步骤：步骤101、获取每个时间戳对应的Egonet的统计特征。其中，统计特征表示Egonet中的用户与联系人之间的连接特性。在本实施例中，Egonet为由微信、Facebook、Twitter等社交网络平台中的某个用户、用户的联系人、以及用户与联系人之间的连接关系组成的，以用户为观察视角的“局部网络”。统计特征可以包括Egonet中的用户的联系人的数目、Egonet的连接密度、用户与联系人的连接强度等信息，连接强度为在相邻两个时间戳的时间段内，用户与每个联系人的联系次数。终端或者网络侧设备可以通过微信客户端、Facebook客户端、电话簿、通话记录等获取每个时间戳对应的Egonet的统计特征。步骤102、根据每个时间戳对应的Egonet的统计特征，在每个时间戳对应的视觉区域内生成每个时间戳对应的统计特征图；其中，时间戳对应的统计特征图为通过形状、大小和颜色中的至少一种几何特性所表示的图案。在本实施例中，可以按照时间戳的顺序，在屏幕上划分出若干个顺序排列的视觉区域，使得每个视觉区域对应一个时间戳，相邻两个时间戳对应的视觉区域也相邻，再根据每个时间戳对应的Egonet的统计特征，在每个时间戳对应的视觉区域内生成每个时间戳对应的统计特征图。统计特征图中的图 案的形状、大小和颜色都被赋予不同的含义，可以直观的显示Egonet中用户与联系人之间的连接特性。步骤103、根据每个时间戳对应的统计特征图和与每个时间戳相邻的前一个时间戳对应的统计特征图，确定每个时间戳对应的Egonet的统计特征变化趋势。在本实施例中，在屏幕上显示了多个时间戳对应的统计特征图时，可以将每个时间戳对应的统计特征图和与每个时间戳相邻的前一个时间戳对应的统计特征图进行对比，确定每个时间戳对应的Egonet的统计特征变化趋势。具体的，可以由终端或者网络侧设备将每个时间戳对应的统计特征图和与每个时间戳相邻的前一个时间戳对应的统计特征图进行对比，在当前时间戳对应的统计特征图上用不同的颜色标记出与前一个相邻的时间戳对应的统计特征图不同的地方，例如，若用户的联系人减少了，可以将减少的部分用红色标记，若用户的联系人增多了，可以将增多的部分用绿色标记出来。下面以圆形图案为例，详细说明本实施例的技术方案。图3为现有技术中的一种两个相邻时间戳下的Egonet的拓扑图。图4为本发明实施例提供的一种两个相邻时间戳对应的Egonet的统计特征图。如图3所示，中间星形图案表示用户，周围图案均为该用户的联系人，用户的联系人包括直接联系人和间接联系人，根据图3所述的Egonet的拓扑图，我们很难看出时间戳t1和时间戳t2下，两幅图中用户的联系人的变化趋势。如图4所示，在Egonet的统计特征图中，用半径为a的圆表示Egonet的连接密度，用半径为b的圆表示用户的直接联系人数目，用半径为c的圆表示用户的间接联系人数目，对比图4中时间戳t1和时间戳t2下的两幅图，可以明显看出用户的联系人总数目明显减少，并且，还可以直观的看出用户的间接联系人明显减少，用户的直接联系人有所增加。需要说明的是，在本实施例中，还可以采用其它的图案来生成Egonet的统计特征图，例如，直方图，正方形，多边形，圆柱形等几何图案，或者，为几何图案填充不同的颜色，用不同的颜色来代表联系人数目的增加、减少等，本发明中不加以限制。本实施例提供的Egonet的信息处理方法，终端或者网络侧设备获取每个时间戳对应的Egonet的统计特征，根据每个时间戳对应的Egonet的统计特征， 在每个时间戳对应的视觉区域内生成每个时间戳对应的统计特征图，根据每个时间戳对应的统计特征图和与每个时间戳相邻的前一个时间戳对应的统计特征图，确定每个时间戳对应的Egonet的统计特征变化趋势，由于时间戳对应的统计特征图为通过形状、大小和颜色中的至少一种几何特性所表示的几何图案，因此，通过对比相邻时间戳对应的Egonet的统计特征图，可以直观的看清每个时间戳对应的Egonet的统计特征变化趋势，从而正确的了解用户社交网络的演变模式。图5为本发明实施例二提供的Egonet的信息处理方法的流程图。如图5所示，该方法包括以下步骤：步骤201、获取每个时间戳对应的Egonet的统计特征。其中，统计特征表示Egonet中的用户与联系人之间的连接特性。步骤202、获取每个时间戳对应的Egonet的连接强度。其中，连接强度表示Egonet中用户与每个联系人之间的联系次数。步骤203、根据每个时间戳对应的Egonet的连接强度，和，与每个时间戳相邻的前一个时间戳对应的Egonet的连接强度，获取每个时间戳对应的Egonet的演变统计特征。其中，演变统计特征表示在Egonet中按照连接强度划分的不同类型联系人的比例。在本实施例中，将当前时间戳对应的Egonet的连接强度和前一个时间戳对应的Egonet的连接强度进行对比，获取当前时间戳对应的Egonet的演变统计特征。演变统计特征可以包括新增的联系人数目占总的联系人数目的比例、减少的联系人数目占总的联系人数目的比例、与用户的联系次数增加的联系人数目占总的联系人数目的比例、与用户的联系次数减少的联系人数目占总的联系人数目的比例等。步骤204、根据每个时间戳对应的Egonet的演变统计特征和每个时间戳对应的Egonet的统计特征，在每个时间戳对应的视觉区域内生成每个时间戳对应的统计特征图。在本实施例中，根据每个时间戳对应的Egonet的演变统计特征和每个时间戳对应的Egonet的统计特征生成的统计特征图中，可以根据不同类型的联系人的比例，将表示总的联系人的几何图案进行划分，并为划分得到的区块 填充不同的颜色，从而直观的显示出Egonet中用户的不同类型的联系人的变化趋势。步骤205、根据每个时间戳对应的统计特征图和与每个时间戳相邻的前一个时间戳对应的统计特征图，确定每个时间戳对应的Egonet的统计特征变化趋势。本实施例提供的Egonet的信息处理方法，获取每个时间戳对应的Egonet的统计特征和Egonet的连接强度，根据每个时间戳对应的Egonet的连接强度，和，与每个时间戳相邻的前一个时间戳对应的Egonet的连接强度，获取每个时间戳对应的Egonet的演变统计特征，根据每个时间戳对应的Egonet的演变统计特征和每个时间戳对应的Egonet的统计特征，在每个时间戳对应的视觉区域内生成每个时间戳对应的统计特征图，将每个时间戳对应的统计特征图和与每个时间戳相邻的前一个时间戳对应的统计特征图进行对比，确定每个时间戳对应的Egonet的统计特征变化趋势，由于Egonet的演变统计特征可以更加精确的显示出当前时间戳下的Egonet中用户的不同类型的联系人的比例，因此，根据相邻两个时间戳的Egonet的统计特征图，可以更加精确的显示出用户与联系人之间的联系情况变化趋势，从而更精确的了解用户社交网络的演变模式。图6为本发明实施例三提供的Egonet的信息处理方法的流程图。图6所示实施例为本发明提供的Egonet的信息处理方法的一种具体的实方式，如图6所示，该方法包括以下步骤：步骤301、获取每个时间戳对应的Egonet的统计特征。其中，统计特征表示Egonet中的用户与联系人之间的连接特性。步骤302、获取每个时间戳对应的Egonet的连接强度。其中，连接强度表示Egonet中用户与每个联系人之间的联系次数。步骤303、根据每个时间戳对应的Egonet的连接强度，和，与每个时间戳相邻的前一个时间戳对应的Egonet的连接强度，获取每个时间戳对应的Egonet的演变统计特征。其中，演变统计特征表示在Egonet中按照连接强度划分的不同类型联系人的比例。可选地，在本实施例中，统计特征包括时间戳下的Egonet的连接密度、 1度朋友数目和2度朋友数目；其中，Egonet的连接密度表示用户与联系人之间的连接紧密程度，1度朋友包括用户的直接联系人，2度朋友包括用户的间接联系人；演变统计特征包括1度朋友中新增的联系人比例、连接强度不变的联系人比例、连接强度加强的联系人比例、连接强度减弱的联系人比例。在本实施例中，Egonet的连接密度等于用户的联系人之间的连接数目与最大连接数目之比，计算公式为：其中，E为Egonet中联系人之间的连接数目，V为Egonet中的联系人数目。下面用户JiaweiHan的具体数据为例，来说明本实施例的方案，表1为相邻两个时刻的Egonet中的JiaweiHan的联系人以及连接强度。表1根据表1的内容，在t1时刻JiaweiHan共有29个朋友，2度朋友数目为121(由于数目过多，不一一列举)，除都与JiaweiHan有连接以外，联系人之间共有10条连接，根据上述方法计算可得t1时刻的Egonet的连接密度cc＝0.023，同理，可以计算出t2时刻的Egonet的连接密度cc＝0.76。并且，根据表1可以得出在t2时刻JiaweiHan与21个朋友失去联系，仅与8个朋友保持联系，并且增加了四个新朋友：“Faloutsos”、“Leman”、“UKang”和“HanghangTong”。此时Jiawei的四种联系人情况如下：(1)新增联系人有4个：“Faloutsos”、“Leman”、“UKang”、“HanghangTong”；(2)连接强度不变的联系人有1个：CindiXideLin；(3)连接强度加强的联系人有4个：MichelineKamber、HongCheng、LaksV.S、Aggarwal；(4)连接强度减弱的联系人有3个：Sangkyum、Tim、XifengYan。可以根据上述四种联系人的数目和1度朋友的数目计算出四种联系人的比例，获得t2时刻对应的Egonet的演变统计特征。步骤304、根据每个时间戳对应的Egonet的演变统计特征和每个时间戳对应的Egonet的统计特征，在每个时间戳对应的视觉区域内生成每个时间戳 对应的统计特征图。可选地，在本实施例中，根据每个时间戳对应的Egonet的统计特征，在每个时间戳对应的视觉区域内生成每个时间戳对应的统计特征图，包括：在每个时间戳对应的视觉区域内生成三个半径分别为A、B、C，且填充颜色互不相同的同心圆；其中，B和C均大于A，半径为A的同心圆表示时间戳对应的Egonet的连接密度，半径为B的同心圆表示时间戳下的1度朋友数目，半径为C的同心圆表示时间戳下的2度朋友数目。进一步地，在上述实施例的基础上，在每个时间戳对应的视觉区域内生成三个半径分别为A、B、C，且填充颜色互不相同的同心圆之后，该方法还包括：根据新增的联系人比例、连接强度不变的联系人比例、连接强度加强的联系人比例、连接强度减弱的联系人比例，将半径为B的同心圆和半径为A的同心圆所形成的圆环划分为四个区块，并为每个区块填充不同的颜色。具体的，以图7为例详细说明本实施例的技术方案。图7为本发明实施例提供的一种两个相邻时间戳对应的Egonet的统计特征图，如图7所示，在Egonet的统计特征图中，用半径为A的圆表示Egonet的连接密度，用半径为B的圆表示时间戳下的1度朋友数目，用半径为C的圆表示时间戳下的2度朋友数目。并且，将半径为B的同心圆和半径为A的同心圆所形成的圆环划分为四个区块，也即，将1度朋友数目划分为四个区块，其中，区块①表示新增的联系人比例，区块②表示连接强度不变的联系人比例，区块③表示连接强度加强的联系人比例，区块④表示连接强度减弱的联系人比例，对比图7中时间戳t1和时间戳t2下的两幅图，可以明显看出用户的联系人总数目明显减少，用户的1度朋友增加，用户的2度朋友明显减少，并且，还可以明显看出区块①和区块④的比例增加，说明1度朋友中新增的联系人比例和连接强度减弱的联系人比例增加。还可以为不同的时间戳下的半径为A的圆填充不同的颜色，填充的颜色可以为渐变色，用颜色的深浅来表示Egonet的连接密度的大小，也可以为不同的区块填充不同的颜色，并且使得Egonet的统计特征图更加的直观。可选地，在本实施例中，步骤304之后还可以包括以下步骤：步骤305、获取每个时间戳对应的Egonet，和，每个与时间戳相邻的前一个时间戳对应的Egonet中相同的1度朋友，构成每个1度朋友集合。本实施例中，以时间戳i和时间戳i-1为例来说明本实施例的方案，获取时间戳i和时间戳i-1对应的Egonet的共同1度朋友，构成共同1度朋友集合C。步骤306、根据1度朋友集合，分别计算每个时间戳对应的Egonet的连接强度均值。在本实施例中，根据公式分别计算时间戳i和时间戳i-1对应的Egonet的连接强度均值和其中，i表示时间戳，j表示1度朋友集合C中的元素，|C|表示求1度朋友集合C中元素的数目。步骤307、根据每个时间戳对应的Egonet的连接强度均值和每个与时间戳相邻的前一个时间戳对应的Egonet的连接强度均值，计算每个时间戳对应的Egonet的连接强度变化值。在本实施例中，根据公式计算时间戳i对应的Egonet的连接强度变化值d[i]。下面以用户JiaweiHan为例来说明本实施例的方案。表2为相邻两个时间戳对应的Egonet的1度朋友集合C中用户与每个1度朋友之间的连接强度，该连接强度具体可以为相邻两个时间戳的时间段内用户与每个1度朋友的联系次数。表2朋友名称t1时刻连接强度t2时刻连接强度CindiXideLin33MichelineKamber12HongCheng23LaksV.S34Aggarwal45Sangkyum71Tim82XifengYan81根据上述方法计算可知，t1时刻连接强度均值t2时刻连接强度均值连接强度变化值d[2]＝-1.875。步骤308、根据每个1度朋友集合和每个时间戳对应的Egonet的连接强度变化值，在每个时间戳对应的统计特征图和与每个时间戳相邻的前一个时间戳对应的统计特征图之间，生成用于表示相同的1度朋友的数目和时间戳对应的Egonet的连接强度变化值的几何图案。在本实施例中，根据每个1度朋友集合和每个时间戳对应的Egonet的连接强度变化值，在时间戳i和时间戳i-1对应的统计特征图之间，生成用于表示相同的1度朋友的数目和时间戳对应的Egonet的连接强度变化值的几何图案。如图7所示，在时间戳t1和时间戳t2对应的统计特征图之间形成一个几何图案⑤，该几何图案⑤近似可以看作一个长方形，用长方形的宽度表示1度朋友集合C中元素数目，长方形越宽表示相邻时间戳对应的Egonet的共同1度朋友数目越多，可以用长方形的颜色表示Egonet的连接强度变化值，例如红色表示Egonet的连接强度变化值大于0，蓝色表示Egonet的连接强度变化值小于0，颜色越深则Egonet的连接强度变化值越大(本实施例中未显示颜色变化)。步骤309、根据每个时间戳对应的统计特征图、与每个时间戳相邻的前一个时间戳对应的统计特征图、以及几何图案，确定每个时间戳对应的Egonet的统计特征变化趋势。本实施例提供的Egonet的信息处理方法，终端或者网络侧设备获取每个时间戳对应的Egonet的统计特征，根据每个时间戳对应的Egonet的统计特征，和，与每个时间戳相邻的前一个时间戳对应的Egonet的统计特征，获取每个时间戳对应的Egonet的演变统计特征，根据每个时间戳对应的Egonet的演变统计特征和每个时间戳对应的Egonet的统计特征，在每个时间戳对应的视觉区域内生成每个时间戳对应的统计特征图，并且，计算每个时间戳对应的Egonet的连接强度变化值，在每个时间戳对应的统计特征图和与每个时间戳相邻的前一个时间戳对应的统计特征图之间，生成用于表示时间戳对应的Egonet的连接强度变化值的几何图案，不仅可以体现出相邻的两个时间戳对应的Egonet的统计特征变化趋势，而且，还可以显示出不同类型的联系人的变化比例，从而更加精确的了解用户社交网络的演变模式。图8为本发明实施例四提供的Egonet的信息处理装置的结构示意图。如图8所示，该装置包括获取模块11、处理模块12和确定模块13。获取模块11用于获取每个时间戳对应的Egonet的统计特征；其中，统计特征表示Egonet中的用户与联系人之间的连接特性。处理模块12用于根据每个时间戳对应的Egonet的统计特征，在每个时间戳对应的视觉区域内生成每个时间戳对应的统计特征图；其中，时间戳对应的统计特征图为通过形状、大小和颜色中的至少一种几何特性所表示的图案。确定模块13用于根据每个时间戳对应的统计特征图和与每个时间戳相邻的前一个时间戳对应的统计特征图，确定每个时间戳对应的Egonet的统计特征变化趋势。本实施例的装置，可以用于执行图2所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。进一步地，在图8所示实施例的基础上，获取模块11还用于获取每个时间戳对应的Egonet的连接强度；并根据每个时间戳对应的Egonet的连接强度，和，与每个时间戳相邻的前一个时间戳对应的Egonet的连接强度，获取每个时间戳对应的Egonet的演变统计特征；其中，连接强度表示Egonet中用户与每个联系人之间的联系次数；演变统计特征表示在Egonet中按照连接强度划分的不同类型联系人的比例；处理模块12具体用于根据每个时间戳对应的Egonet的统计特征，和，与每个时间戳相邻的前一个时间戳对应的Egonet的统计特征，获取每个时间戳对应的Egonet的演变统计特征；并根据每个时间戳对应的Egonet的演变统计特征和每个时间戳对应的Egonet的统计特征，在每个时间戳对应的视觉区域内生成每个时间戳对应的统计特征图；其中，演变统计特征表示在Egonet中用户与联系人之间的连接特性的强度变化比例。本实施例的装置，可以用于执行图5所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。更进一步地，在上述图8所示实施例的基础上，统计特征包括时间戳下的Egonet的连接密度、1度朋友数目和2度朋友数目；其中，Egonet的连接密度表示用户与联系人之间的连接紧密程度，1度朋友包括用户的直接联系人，2度朋友包括用户的间接联系人。演变统计特征包括1度朋友中新增的联系人比例、连接强度不变的联系人比例、连接强度加强的联系人比例、连接强度减弱的联系人比例。可选地，处理模块12具体用于在每个时间戳对应的视觉区域内生成三个半径分别为A、B、C，且填充颜色互不相同的同心圆；其中，B和C均大于A，半径为A的同心圆表示时间戳对应的Egonet的连接密度，半径为B的同心圆表示时间戳下的1度朋友数目，半径为C的同心圆表示时间戳下的2度朋友数目。可选地，处理模块12具体还用于根据新增的联系人比例、连接强度不变的联系人比例、连接强度加强的联系人比例、连接强度减弱的联系人比例，将半径为B的同心圆和半径为A的同心圆所形成的圆环划分为四个区块，并为每个区块填充不同的颜色。可选地，获取模块11还用于获取每个时间戳对应的Egonet，和，每个与时间戳相邻的前一个时间戳对应的Egonet中相同的1度朋友，构成每个1度朋友集合；根据1度朋友集合，分别计算每个时间戳对应的Egonet的连接强度均值；根据每个时间戳对应的Egonet的连接强度均值和每个与时间戳相邻的前一个时间戳对应的Egonet的连接强度均值，计算每个时间戳对应的Egonet的连接强度变化值。处理模块12还用于根据每个1度朋友集合和每个时间戳对应的Egonet的连接强度变化值，在每个时间戳对应的统计特征图和与每个时间戳相邻的前一个时间戳对应的统计特征图之间，生成用于表示相同的1度朋友的数目和时间戳对应的Egonet的连接强度变化值的几何图案。确定模块13具体用于根据每个时间戳对应的统计特征图、与每个时间戳相邻的前一个时间戳对应的统计特征图、以及几何图案，确定每个时间戳对应的Egonet的统计特征变化趋势。本实施例的装置，可以用于执行图6所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。可选地，上述任一实施例提供的的Egonet的信息处理装置可以集成在终端或者网络侧设备中。本发明实施例还提供一种设备，该设备可以是终端或者网络侧设备。该设备包括发送器、接收器、处理器、存储器和显示屏。其中，发送器向其它终端或网络侧设备发送信息，接收器用于接收其它终端或网络侧设备发送的信息，处理器用于执行上述图2、图5、图6任一实施例提供的Egonet的信息处理方法，存储器用于存储用户的联系人信息以及每个时间戳对应的 Egonet的统计特征，显示屏用于显示每个时间戳对应的Egonet的统计特征图。本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：只读存储器(Read-OnlyMemory，简称ROM)、随机存取存储器(randomaccessmemory，简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。当前第1页1 2 3