网络节点重要性的确定方法、装置、电子设备及介质

摘要

一种基于重启二跳随机游走的网络节点重要性的确定方法、装置、电子设备及介质，上述方法中，根据目标网络中各个节点之间的连接关系及连接数量来确定概率转移矩阵。根据目标网络中每个节点与其余节点之间的单程连接关系和双程连接关系确定各个节点的一跳对象节点个数和二跳对象节点个数，以得到所有的一跳对象节点个数与二跳对象节点个数分别占据总对象节点个数的比例值α1、α2，总对象节点个数等于所有节点的一跳对象节点个数与二跳对象节点个数的总和。根据预设的重启概率、随机游走初始节点向量、比例值α1、比例值α2和概率转移矩阵确定随机游走初始节点游走到目标网络每个节点的稳态概率。根据上述稳态概率确定所有节点的相对重要程度。

说明书

技术领域

本公开属于复杂网络领域，涉及一种网络节点重要性的确定方法、装置、电子设备及介质，特别是一种基于重启二跳随机游走的网络节点重要性的确定方法、系统、电子设备及介质。

背景技术

网络是能够存储实体之间相互关系的数据结构，各个实体作为网络的节点，各个实体之间的信息、数据或信号交互关系构建为网络。复杂网络是由数量巨大的节点和节点之间错综复杂的关系共同构成的网络结构。

现实世界中存在着各种类型的复杂网络，包括：社交网络，例如朋友圈网络、关联企业网络等，信息网络，例如万维网、通讯网络等，以及生物网络，诸如脑网络、蛋白质网络及疾病网络等。

确定这些网络中的节点的重要性有助于对这些网络的深层次理解，以在互联网领域和数据挖掘领域进行广泛的应用，比如可以利用各个节点的重要性进行信息处理以及预测等。

发明人在实现本公开的过程中发现现有的应用场景中存在以下问题：目前的网络节点重要性度量方法大多依赖于网络结构的完整性，如果网络中的连边存在缺失的情况，那么预测的方法存在一定的局限性，预测的结果不够精确。

例如，在一应用场景中，论文、期刊或者专利等文献之间通常需要相互引用，而各个文献之间的引用关系复杂，引用关系网络相互交织，如何在复杂的文献引用场景中挖掘出具有高价值的文献是一大技术难点。

在另一场景中，电力光纤网作为语音、数据、视频、电网运行等多种不同业务的承载网络，其可靠性和安全性是一个重要研究课题。节点是网络的核心元素之一，节点在网络中的重要性存在差异，网络核心节点的重要性较高，如果这些核心节点遭到破坏，网络可靠性降低，甚至导致大面积通信中断。因此，对电力光纤网中节点的重要性进行评价、发掘网络中的重要节点具有重要的实用价值。一方面可以通过重点保护核心节点来提高整个网络的可靠性和抗毁性；另一方面，在网络生存性方面，可根据节点的重要程度确定它们的保护级别，进而保证电网运行与管理的信息传输可靠性。

在又一场景中，城市复杂交通网络交叉口节点的选取对于交通网络的结构稳定性和控制有效性具有重要意义。城市交通网络中，随机性攻击可能是交通事故、交叉口红绿灯失效、交通管制等情况，而当城市交通复杂网络的关键节点在受到选择性攻击时，城市交通网络面临崩溃的危险。网络关键节点的评估与选择对于区域交通信号控制系统的实施具有重要意义。

然而上述各个场景中，目前的网络节点重要性的度量/确定方法大多依赖于网络结构的完整性，如果网络中的连边存在缺失的情况，那么预测的方法存在一定的局限性，导致预测的结果不够精确。

发明内容

(一)要解决的技术问题

本公开提供了一种网络节点重要性的确定方法、装置、电子设备及介质，以至少部分解决以上所提出的技术问题。

(二)技术方案

本公开的第一个方面提供了一种网络节点重要性的确定方法。上述确定方法包括：根据目标网络中各个节点之间的连接关系及连接数量来确定概率转移矩阵。上述确定方法还包括：根据目标网络中每个节点与其余节点之间的单程连接关系和双程连接关系确定目标网络中各个节点的一跳对象节点个数和二跳对象节点个数，以得到所有的一跳对象节点个数与二跳对象节点个数分别占据总对象节点个数的比例值α

在本公开的实施例中，根据目标网络中各个节点之间的连接关系及连接数量来确定概率转移矩阵，包括：根据目标网络中每个节点与其余节点是否连接以及连接的数量关系得到表征目标网络的直接连接关系的赋权邻接矩阵W中的元素；基于赋权邻接矩阵的元素确定目标网络中每个节点与其余所有节点的连接总数，以得到网络度矩阵D

在本公开的实施例中，根据目标网络中每个节点与其余节点之间的单程连接关系和双程连接关系确定目标网络中各个节点的一跳对象节点个数和二跳对象节点个数，包括：将目标网络中的每个节点作为当前节点，在其余节点中确定与当前节点之间存在单程连接关系的特定节点个数为当前节点的一跳对象节点个数；在其余节点中确定与当前节点之间存在双程连接关系的特定节点个数为当前节点的二跳对象节点个数。

在本公开的实施例中，随机游走初始节点游走到目标网络的每个节点的稳态概率满足以下表达式：

lim

其中，r

在本公开的实施例中，根据随机游走初始节点游走到目标网络的每个节点的稳态概率确定目标网络的所有节点的相对重要程度，包括：针对目标网络中的第i个节点，1≤i≤N，N表示网络中的节点总数，将N个随机游走初始节点分别游走到第i个节点的稳态概率进行加和，得到第i个节点的重要程度分值；以及基于目标网络中N个节点的重要程度分值的大小对目标网络中的所有节点进行排序，以得到目标网络的所有节点的相对重要程度。

在本公开的实施例中，目标网络为文献引用网络，目标网络的节点为文献；确定方法还包括：基于所有节点的相对重要程度确定高价值文献；或者，目标网络为互联网网络，目标网络的节点为互联网节点；确定方法还包括：基于所有节点的相对重要程度确定核心互联网节点，以增强对核心互联网节点的保护级别；或者，目标网络为交通网络，目标网络的节点为交叉路口或小区，街道或道路对应于节点之间的连边，车辆在连边上行驶遇到的阻碍对应于连边的权重；确定方法还包括：基于所有节点的相对重要程度确定关键交通节点，以增强对关键交通节点的控制及疏散。

本公开的第二个方面提供了一种网络节点重要性的确定装置。上述确定装置包括：概率转移矩阵模块、一跳和二跳系数确定模块、稳态概率确定模块以及相对重要程度确定模块。概率转移矩阵模块用于根据目标网络中各个节点之间的连接关系及连接数量来确定概率转移矩阵。一跳和二跳系数确定模块用于根据目标网络中每个节点与其余节点之间的单程连接关系和双程连接关系确定目标网络中各个节点的一跳对象节点个数和二跳对象节点个数，以得到所有的一跳对象节点个数与二跳对象节点个数分别占据总对象节点个数的比例值α

本公开的第三个方面提供了一种生物组织的异常检测装置。上述异常检测装置包括：概率转移矩阵模块、一跳和二跳系数确定模块、稳态概率确定模块、相对重要程度确定模块以及异常确定模块。概率转移矩阵模块用于根据目标网络中各个节点之间的连接关系及连接数量来确定概率转移矩阵。目标网络包括：标准生物组织和待检测生物组织的神经网络，目标网络的节点为神经元，其中标准生物组织为正常组织，待检测生物组织的神经元的网络结构和标准生物组织的神经元的网络结构相同。一跳和二跳系数确定模块用于根据目标网络中每个节点与其余节点之间的单程连接关系和双程连接关系确定目标网络中各个节点的一跳对象节点个数和二跳对象节点个数，以得到所有的一跳对象节点个数与二跳对象节点个数分别占据总对象节点个数的比例值α

本公开的第四个方面提供了一种电子设备。上述电子设备包括：一个或多个处理器；以及用于存储一个或多个程序的存储装置。其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现如上所述的任一种确定方法。

本公开的第五个方面提供了一种计算机可读存储介质。上述计算机可读存储介质上存储有可执行指令，该指令被处理器执行时使处理器实现如上所述的任一种确定方法。

(三)有益效果

从上述技术方案可以看出，本公开提供的网络节点重要性的确定方法、装置、电子设备及介质，具有以下有益效果：

考虑网络中所有节点之间的消息传递的随机过程，提供一种基于重启二跳随机游走的节点重要性确定方法，本公开提供的方法和传统的重启随机游走过程相比，不仅考虑每个节点的一跳对象节点，还考虑了二跳对象节点的情况，根据预设的重启概率、随机游走初始节点向量、比例值α

附图说明

图1为根据本公开实施例所示的网络节点重要性的确定方法的流程图。

图2为根据本公开实施例所示的操作S11的详细实施流程图。

图3为根据本公开实施例所示的(a)目标网络的结构示意图，(b)目标网络的概率转移矩阵，(c)为目标网络中各个节点的一跳对象节点及一跳对象节点个数，(d)为目标网络中各个节点的二跳对象节点及二跳对象节点个数的示例。

图4为根据本公开实施例所示的一个应用场景下的网络节点重要性的确定方法的流程图。

图5为根据本公开实施例所示的另一个应用场景下的网络节点重要性的确定方法的流程图。

图6为根据本公开实施例所示的又一个应用场景下的网络节点重要性的确定方法的流程图。

图7为根据本公开实施例所示的网络节点重要性的确定装置的结构框图。

图8为根据本公开实施例所示的生物组织的异常检测装置的结构框图。

具体实施方式

本公开的实施例提供了一种网络节点重要性的确定方法、装置、电子设备及介质，不仅考虑每个节点的一跳对象节点，还考虑了二跳对象节点的情况，根据预设的重启概率、随机游走初始节点向量、比例值α

为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。

本公开的第一个示例性实施例提供了一种网络节点重要性的确定方法。

图1为根据本公开实施例所示的网络节点重要性的确定方法的流程图。

参照图1所示，上述网络节点重要性的确定方法包括以下操作：S11、S12、S13和S14。

在操作S11，根据目标网络中各个节点之间的连接关系及连接数量来确定概率转移矩阵。

在操作S12，根据目标网络中每个节点与其余节点之间的单程连接关系和双程连接关系确定目标网络中各个节点的一跳对象节点个数和二跳对象节点个数，以得到所有的一跳对象节点个数与二跳对象节点个数分别占据总对象节点个数的比例值α

在操作S13，将目标网络中每个节点作为随机游走初始节点，根据预设的重启概率、随机游走初始节点向量、比例值α

在操作S14，根据随机游走初始节点游走到目标网络的每个节点的稳态概率确定目标网络的所有节点的相对重要程度。

本实施例的确定方法考虑网络中所有节点之间的消息传递的随机过程，提供一种基于重启二跳随机游走的节点重要性确定方法，与传统的重启随机游走过程相比，不仅考虑每个节点的一跳对象节点，还考虑了二跳对象节点的情况，根据预设的重启概率、随机游走初始节点向量、比例值α

图2为根据本公开实施例所示的操作S11的详细实施流程图。

在本公开的实施例中，参照图2所示，根据目标网络中各个节点之间的连接关系及连接数量来确定概率转移矩阵的操作S11包括以下子操作：S111、S112和S113。

在子操作S111，根据目标网络中每个节点与其余节点是否连接以及连接的数量关系得到表征目标网络的直接连接关系的赋权邻接矩阵W中的元素。

在子操作S112，基于赋权邻接矩阵的元素确定目标网络中每个节点与其余所有节点的连接总数，以得到网络度矩阵D

在子操作S113，根据赋权邻接矩阵W和网络度矩阵D

图3为根据本公开实施例所示的(a)目标网络的结构示意图，(b)目标网络的概率转移矩阵，(c)为目标网络中各个节点的一跳对象节点及一跳对象节点个数，(d)为目标网络中各个节点的二跳对象节点及二跳对象节点个数的示例。

为了示例性说明针对给定的目标网络如何实施上述操作S11～S14，下面结合图3中(a)～(d)进行介绍。

参照图3中(a)所示，给定的目标网络中的各个节点之间的连接关系是确定的，给目标网络中所有的节点依序编号，以方便描述各个节点，这里以目标网络包括5个节点示例，这5个节点分别以节点1、节点2、节点3、节点4和节点5进行描述。

在子操作S111中，根据目标网络中每个节点与其余节点是否连接以及连接的数量关系得到表征目标网络的直接连接关系的赋权邻接矩阵W中的元素。

示例性的，目标网络记为G(V，E，W)，其中V＝{v

赋权邻接矩阵W的表达式如下：

其中，

针对图3中(a)示例的目标网络，n＝5，m＝6。针对第i个节点，i＝1，2，……，n，根据该第i个节点与其余节点是否连接可以确定

针对图3中(a)所示的目标网络，根据每个节点与其余节点是否连接以及连接的数量关系可以得到如图3中(b)所示的赋权邻接矩阵W。在图3中(b)中所示意的赋权邻接矩阵W中，各个节点之间的连接数量为1，因此

例如，在本实施例中，得到的赋权邻接矩阵W为以下形式：

在子操作S112中，基于赋权邻接矩阵的元素确定目标网络中每个节点与其余所有节点的连接总数，得到网络度矩阵D

基于上述，针对包含n个节点的目标网络，网络度矩阵D

D

其中各个对角元素的取值满足以下表达式：

在本实施例中，将赋权邻接矩阵W中同一行的元素相加，对应得到网络度矩阵D

D

在本公开中，根据赋权邻接矩阵W和网络度矩阵D

代入本实施例的公式(6)和(2)，可以得到本实施例的目标网络中的概率转移矩阵P。本实施例的概率转移矩阵P满足以下表达式：

在本公开的实施例中，根据目标网络中每个节点与其余节点之间的单程连接关系和双程连接关系确定目标网络中各个节点的一跳对象节点个数和二跳对象节点个数，包括：将目标网络中的每个节点作为当前节点，在其余节点中确定与当前节点之间存在单程连接关系的特定节点个数为当前节点的一跳对象节点个数；在其余节点中确定与当前节点之间存在双程连接关系的特定节点个数为当前节点的二跳对象节点个数。

参照图3中(a)和(c)所示，分别将节点1、节点2、节点3、节点4和节点5作为当前节点，针对节点1，与节点1之间存在单程连接关系的特定节点分别为：节点2和节点4。针对节点2，与节点2之间存在单程连接关系的特定节点分别为：节点1和节点3。针对节点3，与节点3之间存在单程连接关系的特定节点分别为：节点2、节点4和节点5。针对节点4，与节点4之间存在单程连接关系的特定节点分别为：节点1、节点3和节点5。针对节点5，与节点5之间存在单程连接关系的特定节点分别为：节点3和节点4。由此可以确定当前节点为节点1的一跳对象节点个数为2，当前节点为节点2的一跳对象节点个数为2，当前节点为节点3的一跳对象节点个数为3，当前节点为节点4的一跳对象节点个数为3，当前节点为节点5的一跳对象节点个数为2。

参照图3中(a)和(d)所示，分别将节点1、节点2、节点3、节点4和节点5作为当前节点，针对节点1，与节点1之间存在双程连接关系的特定节点分别为：节点3和节点5。针对节点2，与节点2之间存在双程连接关系的特定节点分别为：节点4和节点5。针对节点3，与节点3之间存在单程连接关系的特定节点分别为：节点1、节点4和节点5。针对节点4，与节点4之间存在单程连接关系的特定节点分别为：节点2、节点3和节点5。针对节点5，与节点5之间存在单程连接关系的特定节点分别为：节点1、节点2、节点3和节点4。由此可以确定当前节点为节点1的二跳对象节点个数为2，当前节点为节点2的二跳对象节点个数为2，当前节点为节点3的二跳对象节点个数为3，当前节点为节点4的二跳对象节点个数为3，当前节点为节点5的一跳对象节点个数为4。

由此可以得到总对象节点个数，总对象节点个数等于所有节点的一跳对象节点个数与二跳对象节点个数的总和。在本实施例中，总对象节点个数为：(2+2+3+3+2)+(2+2+3+3+4)＝12+14＝26。

所有的一跳对象节点个数与二跳对象节点个数分别占据总对象节点个数的比例值α

α

α

在操作S13中，将目标网络中每个节点作为随机游走初始节点，根据预设的重启概率、随机游走初始节点向量、比例值α

lim

其中，r

示例性的，随机游走初始节点向量可以是节点1～节点5中的任一个，以节点1为例，当随机游走初始节点为节点1时，随机游走初始节点向量表示为以下形式：

r

其中，右上角的T表示转置，表示r

类似的，在第i个节点作为随机游走初始节点时，该节点所对应的位置有取值1，其他位置均为0。例如，当节点2作为随机游走初始节点时，r

本实施例中，c的预设值设定为0.85，即预设的重启概率为0.15，则将预设的重启概率、本实施例的公式(12)中的随机游走初始节点向量r

基于上述，可以将节点2～节点5分别作为随机游走初始节点，基于公式(13)来计算稳态概率，由此可以得到节点1～节点5分别作为随机游走初始节点的稳态概率矩阵：

Π＝{π

其中π

本实施例中，得到的稳态概率矩阵中各个元素的值如下式(15)所示：

在本公开的实施例中，根据随机游走初始节点游走到目标网络的每个节点的稳态概率确定目标网络的所有节点的相对重要程度的操作S14包括以下子操作：S141和S142。

在操作S141，针对目标网络中的第i个节点，1≤i≤N，N表示网络中的节点总数，将N个随机游走初始节点分别游走到第i个节点的稳态概率进行加和，得到第i个节点的重要性分数。

第i个节点v

根据本实施例的公式(15)代入至公式(16)可以计算网络中节点1～节点5的重要性分数S

在操作S142，基于目标网络中N个节点的重要性分数的大小对目标网络中的所有节点进行排序，以得到目标网络的所有节点的相对重要程度。

图4为根据本公开实施例所示的一个应用场景下的网络节点重要性的确定方法的流程图。

在一场景中，论文、期刊或者专利等文献之间通常需要相互引用，而各个文献之间的引用关系复杂，引用关系网络相互交织，如何在复杂的文献引用场景中挖掘出具有高价值的文献是一大技术难点。

本实施例中将上述确定方法应用于解决该文献引用的实际问题，本实施例的网络节点重要性的确定方法包括以下操作：S11a、S12a、S13a、S14a和S15a。

在操作S11a，根据目标网络中各个节点之间的连接关系及连接数量来确定概率转移矩阵。在本实施例中，目标网络为文献引用网络，节点为文献节点。

在操作S12a，根据目标网络中每个节点与其余节点之间的单程连接关系和双程连接关系确定目标网络中各个节点的一跳对象节点个数和二跳对象节点个数，以得到所有的一跳对象节点个数与二跳对象节点个数分别占据总对象节点个数的比例值α

在操作S13a，将目标网络中每个节点作为随机游走初始节点，根据预设的重启概率、随机游走初始节点向量、比例值α

在操作S14a，根据随机游走初始节点游走到目标网络的每个节点的稳态概率确定目标网络的所有节点的相对重要程度。

在操作S15a，基于所有节点的相对重要程度确定高价值文献。

上述操作S11a～S14a的实施过程可以参照前面有关操作S11～S14的描述。在操作S15a中，例如可以将文献引用网络中重要程度分值大于设定分值的文献节点确定为高价值文献。还可以将文献引用网络中重要程度排名前10％、20％或者其他设定比例的文献节点确定为高价值文献。本公开中操作S15a基于所有节点的相对重要程度与高价值文献的关联来确定高价值文献，确定方法可以是其他方式，不局限于上述列举的实施例。

图5为根据本公开实施例所示的另一个应用场景下的网络节点重要性的确定方法的流程图。

在另一场景中，电力光纤网作为语音、数据、视频、电网运行等多种不同业务的承载网络，其可靠性和安全性是一个重要研究课题。节点是网络的核心元素之一，节点在网络中的重要性存在差异，网络核心节点的重要性较高，如果这些核心节点遭到破坏，网络可靠性降低，甚至导致大面积通信中断。因此，对电力光纤网中节点的重要性进行评价、发掘网络中的重要节点具有重要的实用价值。一方面可以通过重点保护核心节点来提高整个网络的可靠性和抗毁性；另一方面，在网络生存性方面，可根据节点的重要程度确定它们的保护级别，进而保证电网运行与管理的信息传输可靠性。

本实施例中将上述确定方法应用于解决该网络安全的实际问题，本实施例的网络节点重要性的确定方法包括以下操作：S11b、S12b、S13b、S14b和S15b。

在操作S11b，根据目标网络中各个节点之间的连接关系及连接数量来确定概率转移矩阵。在本实施例中，目标网络为互联网网络，节点为互联网节点。

在操作S12b，根据目标网络中每个节点与其余节点之间的单程连接关系和双程连接关系确定目标网络中各个节点的一跳对象节点个数和二跳对象节点个数，以得到所有的一跳对象节点个数与二跳对象节点个数分别占据总对象节点个数的比例值α

在操作S13b，将目标网络中每个节点作为随机游走初始节点，根据预设的重启概率、随机游走初始节点向量、比例值α

在操作S14b，根据随机游走初始节点游走到目标网络的每个节点的稳态概率确定目标网络的所有节点的相对重要程度。

在操作S15b，基于所有节点的相对重要程度确定核心互联网节点，以增强对核心互联网节点的保护级别。

上述操作S11b～S14b的实施过程可以参照前面有关操作S11～S14的描述。在操作S15b中，例如可以将互联网网络中重要程度分值大于设定分值的互联网节点确定为核心互联网节点。还可以将互联网网络中重要程度排名前10％、20％或者其他设定比例的互联网节点确定为核心互联网节点。本公开中操作S15b基于所有节点的相对重要程度与核心互联网节点的关联来确定核心互联网节点，确定方法可以是其他方式，不局限于上述列举的实施例。

图6为根据本公开实施例所示的又一个应用场景下的网络节点重要性的确定方法的流程图。

在又一场景中，城市复杂交通网络交叉口节点的选取对于交通网络的结构稳定性和控制有效性具有重要意义。城市交通网络中，随机性攻击可能是交通事故、交叉口红绿灯失效、交通管制等情况，而当城市交通复杂网络的关键节点在受到选择性攻击时，城市交通网络面临崩溃的危险。网络关键节点的评估与选择对于区域交通信号控制系统的实施具有重要意义。

本实施例中将上述确定方法应用于解决该交通疏导控制的实际问题，本实施例的网络节点重要性的确定方法包括以下操作：S11c、S12c、S13c、S14c和S15c。

在操作S11c，根据目标网络中各个节点之间的连接关系及连接数量来确定概率转移矩阵。在本实施例中，目标网络为交通网络，目标网络的节点为交叉路口或小区，街道或道路对应于节点之间的连边，车辆在连边上行驶遇到的阻碍对应于连边的权重。

在操作S12c，根据目标网络中每个节点与其余节点之间的单程连接关系和双程连接关系确定目标网络中各个节点的一跳对象节点个数和二跳对象节点个数，以得到所有的一跳对象节点个数与二跳对象节点个数分别占据总对象节点个数的比例值α

在操作S13c，将目标网络中每个节点作为随机游走初始节点，根据预设的重启概率、随机游走初始节点向量、比例值α

在操作S14c，根据随机游走初始节点游走到目标网络的每个节点的稳态概率确定目标网络的所有节点的相对重要程度。

在操作S15c，基于所有节点的相对重要程度确定关键交通节点，以增强对关键交通节点的控制及疏散。

上述操作S11c～S14c的实施过程可以参照前面有关操作S11～S14的描述。在操作S15c中，例如可以将交通网络中重要程度分值大于设定分值的交叉路口或小区节点确定为关键交通节点。还可以将交通网络中重要程度排名前10％、20％或者其他设定比例的交叉路口或小区节点确定为关键交通节点。本公开中操作S15c基于所有节点的相对重要程度与关键交通节点的关联来确定关键交通节点，确定方法可以是其他方式，不局限于上述列举的实施例。

基于相同的技术构思，本公开的第二个示例性实施例提供了一种网络节点重要性的确定装置。

图7为根据本公开实施例所示的网络节点重要性的确定装置的结构框图。

参照图7所示，上述确定装置2包括：概率转移矩阵模块21、一跳和二跳系数确定模块22、稳态概率确定模块23以及相对重要程度确定模块24。

概率转移矩阵模块21用于根据目标网络中各个节点之间的连接关系及连接数量来确定概率转移矩阵。

一跳和二跳系数确定模块22用于根据目标网络中每个节点与其余节点之间的单程连接关系和双程连接关系确定目标网络中各个节点的一跳对象节点个数和二跳对象节点个数，以得到所有的一跳对象节点个数与二跳对象节点个数分别占据总对象节点个数的比例值α

稳态概率确定模块23用于将目标网络中每个节点作为随机游走初始节点，根据预设的重启概率、随机游走初始节点向量、比例值α

相对重要程度确定模块24用于根据随机游走初始节点游走到目标网络的每个节点的稳态概率确定目标网络的所有节点的相对重要程度。

基于相同的技术构思，本公开的第三个示例性实施例提供了一种生物组织的异常检测装置。

图8为根据本公开实施例所示的生物组织的异常检测装置的结构框图。

参照图8所示，本实施例的异常检测装置3包括：概率转移矩阵模块31、一跳和二跳系数确定模块32、稳态概率确定模块33、相对重要程度确定模块34以及异常确定模块35。

概率转移矩阵模块31用于根据目标网络中各个节点之间的连接关系及连接数量来确定概率转移矩阵。

目标网络包括：标准生物组织和待检测生物组织的神经网络，目标网络的节点为神经元，其中标准生物组织为正常组织，待检测生物组织的神经元的网络结构和标准生物组织的神经元的网络结构相同。

一跳和二跳系数确定模块32用于根据目标网络中每个节点与其余节点之间的单程连接关系和双程连接关系确定目标网络中各个节点的一跳对象节点个数和二跳对象节点个数，以得到所有的一跳对象节点个数与二跳对象节点个数分别占据总对象节点个数的比例值α

稳态概率确定模块33用于将目标网络中每个节点作为随机游走初始节点，根据预设的重启概率、随机游走初始节点向量、比例值α

相对重要程度确定模块34用于根据随机游走初始节点游走到目标网络的每个节点的稳态概率确定目标网络的所有节点的相对重要程度。

异常确定模块35用于根据标准生物组织的神经网络的所有节点的相对重要程度与待检测生物组织的神经网络的对应节点的相对重要程度是否一致来确定待检测生物组织是否存在异常。

例如，待检测生物组织为待测试对象的大脑组织，标准生物组织为正常的大脑组织样本，其中大脑组织样本与待测试对象的大脑组织的神经元的网络结构是相同的，即目标网络的构造相同，如果其中一个神经元的内部结构或者内部的功能单元发生异常，则在基于异常确定模块35比对大脑组织样本中各个节点的相对重要程度和待测试对象的大脑组织中对应的节点的相对重要程度时，如果标准生物组织的神经网络的所有节点的相对重要程度与待检测生物组织的神经网络的对应节点的相对重要程度不一致，则可以确定待测试对象的大脑组织存在异常。

本实施例的生物组织的异常检测装置可以用于检测阿尔兹海默症。

根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

例如，概率转移矩阵模块21、一跳和二跳系数确定模块22、稳态概率确定模块23以及相对重要程度确定模块24中的任意多个可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，概率转移矩阵模块21、一跳和二跳系数确定模块22、稳态概率确定模块23以及相对重要程度确定模块24中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，概率转移矩阵模块21、一跳和二跳系数确定模块22、稳态概率确定模块23以及相对重要程度确定模块24中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

本公开的第四个示例性实施例提供了一种电子设备。上述电子设备包括：一个或多个处理器；以及用于存储一个或多个程序的存储装置。其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现如上所述的任一种确定方法。

根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。在该计算机程序被处理器执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

本公开的第五个示例性实施例提供了一种计算机可读存储介质。上述计算机可读存储介质上存储有可执行指令，该指令被处理器执行时使处理器实现如上所述的任一种确定方法。

该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机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。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

说明书与权利要求中所使用的序数例如“第一”、“第二”、“第三”等的用词，以修饰相应的元件，其本身并不意味着该元件有任何的序数，也不代表某一元件与另一元件的顺序、或是制造方法上的顺序，该些序数的使用仅用来使具有某命名的一元件得以和另一具有相同命名的元件能做出清楚区分。

再者，单词“包含”或“包括”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。

以上所述的具体实施例，对本公开的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本公开的具体实施例而已，并不用于限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。