《表1 实验对比结果：基于Neo4j图数据库的人员关系挖掘》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Neo4j图数据库的人员关系挖掘》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

经过调研发现，对共同联系人、共同出行人及其在两者基础上确定重点关系人的方法鲜有报道。文献[18]给出了同行关系人、通联关系人、会面关系人及其在三者基础上确定重点关系人的方法。为了验证本文方法的有效性，笔者在文献[18]的基础上基于Impala数据库编写了测试程序，也实现了本文三类人员关系的挖掘，其中共同联系人在通联关系人的基础上要找到输入数据的联系人交集；共同出行人在同行关系人基础上要找到输入数据的同行人交集；重点关系人采用本文的判定方法，将既有共同出行又有通话的人员判定为重点关系人。实验数据包括2 000多条出行数据、10 000多条话单数据和100多条人员信息数据，经过多维关系网络构建，形成多维关系网络数据30 000多条。采用测试程序和本文方法分别对10组输入数据进行测试，平均耗时如表1所示。所有的实验均是在带有Intel（R）Core（TM）i7-7700 8CPU处理器、4 GB RAM以及2 TB硬盘的Windows 7设备上进行的。