一种基于差分隐私的局部高阶图聚类方法

摘要

本发明公开了一种基于差分隐私的局部高阶图聚类方法，该方法的具体步骤为：利用局部高阶网络子图Motif的结构，将原始社交网络转化成基于Motif的邻接矩阵，基于Motif网络子图结构的多样性，对生成的Motif邻接矩阵中的权重设置一定的阈值，并对在阈值范围内的权重进行拉普拉斯噪声扰动，实现对社交网络子图的隐私保护；为了提升随机游走算法运行的效率，采用近似热核页面排名种子算法，对扰动后的Motif矩阵进行随机游走，根据游走后的热核向量计算划分集合的切割比，并输出聚类集合。