本發(fā)明涉及社交網(wǎng)絡(luò)，具體而言，涉及一種基于群體傳播的社交網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)集識(shí)別方法、系統(tǒng)及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、隨著信息技術(shù)的不斷發(fā)展，互聯(lián)網(wǎng)上涌現(xiàn)出了一大批諸如微博、微信、facebook等在線社交平臺(tái)。借助其信息傳遞高效便捷的特點(diǎn)，在線社交平臺(tái)迅速成為人們?nèi)粘９ぷ魃畈豢苫蛉钡囊徊糠?。由于不受時(shí)間和地域的限制，在線社交網(wǎng)絡(luò)每時(shí)每刻都會(huì)發(fā)生信息的生成和傳遞，最終產(chǎn)生大量的社交網(wǎng)絡(luò)數(shù)據(jù)。目前，在線社交網(wǎng)絡(luò)的影響力最大化問(wèn)題在病毒式營(yíng)銷(xiāo)、輿情控制等方面的廣泛應(yīng)用越來(lái)越受到關(guān)注。

2、影響力最大化問(wèn)題是社交網(wǎng)絡(luò)的一個(gè)重點(diǎn)研究領(lǐng)域，主要目的是從網(wǎng)絡(luò)中識(shí)別出一組數(shù)量固定的節(jié)點(diǎn)集合，使得在選擇該節(jié)點(diǎn)集合作為初始傳播源時(shí)，能夠達(dá)到最廣的傳播范圍。目前影響力最大化算法主要分為三種：貪婪算法、啟發(fā)式算法和基于社區(qū)的影響力最大化算法。

3、在目前的影響力最大化算法中，雖然貪婪算法識(shí)別精度最高，但是由于其極高的時(shí)間復(fù)雜度，在解決大規(guī)模網(wǎng)絡(luò)的影響力最大化問(wèn)題上極為受限。基于社區(qū)的算法和采用top-k策略的啟發(fā)式算法避免了貪婪算法時(shí)間復(fù)雜度高的特點(diǎn)，但是他們?cè)谶x取節(jié)點(diǎn)時(shí)并沒(méi)有考慮到節(jié)點(diǎn)之間的影響力重疊。基于迭代的度折扣算法在計(jì)算節(jié)點(diǎn)影響力時(shí)，只考慮節(jié)點(diǎn)的一階鄰居信息，導(dǎo)致計(jì)算結(jié)果精度有限，同時(shí)在迭代過(guò)程中沒(méi)有充分降低節(jié)點(diǎn)之間的影響力重疊。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明要解決的技術(shù)問(wèn)題是：

2、現(xiàn)有的方法存在時(shí)間復(fù)雜度高，不適用于大型網(wǎng)絡(luò)，以及在計(jì)算節(jié)點(diǎn)影響力時(shí)，沒(méi)有考慮到節(jié)點(diǎn)之間的影響力重疊的問(wèn)題。

3、本發(fā)明為解決上述技術(shù)問(wèn)題所采用的技術(shù)方案：

4、本發(fā)明提供了一種基于影響力衰減的社交網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)識(shí)別方法，包括如下步驟：

5、s1、構(gòu)建無(wú)權(quán)無(wú)向社交網(wǎng)絡(luò)g＝(v,e)，v代表節(jié)點(diǎn)集合，e代表網(wǎng)絡(luò)的邊集合；

6、s2、計(jì)算節(jié)點(diǎn)的期望影響力，將影響力最大的節(jié)點(diǎn)添加到初始傳播節(jié)點(diǎn)集合中；

7、s3、把確定的初始傳播節(jié)點(diǎn)從網(wǎng)絡(luò)中刪除后對(duì)剩余節(jié)點(diǎn)的影響力貢獻(xiàn)進(jìn)行折扣更新，然后根據(jù)更新后的節(jié)點(diǎn)影響力貢獻(xiàn)值計(jì)算網(wǎng)絡(luò)剩余節(jié)點(diǎn)的影響力，將影響力最大的節(jié)點(diǎn)加入初始傳播節(jié)點(diǎn)集合中；

8、s4、重復(fù)執(zhí)行s3，迭代至節(jié)點(diǎn)集大小滿足要求，得到關(guān)鍵節(jié)點(diǎn)集。

9、進(jìn)一步地，s2中節(jié)點(diǎn)的期望影響力的計(jì)算方法為：

10、

11、其中dij為節(jié)點(diǎn)i和二階鄰居節(jié)點(diǎn)j之間的最短路徑長(zhǎng)度，gij表示節(jié)點(diǎn)i和二階鄰居節(jié)點(diǎn)j之間的最短路徑數(shù)量，cdj為節(jié)點(diǎn)j的影響力貢獻(xiàn)值，設(shè)置所有節(jié)點(diǎn)的初始cd值為1，β為節(jié)點(diǎn)i和二階節(jié)點(diǎn)j之間的傳播概率。

12、進(jìn)一步地，s3中對(duì)剩余節(jié)點(diǎn)的影響力貢獻(xiàn)進(jìn)行折扣更新的計(jì)算方法為：

13、

14、其中s為當(dāng)前的初始節(jié)點(diǎn)集合。

15、進(jìn)一步地，s3中根據(jù)更新后的影響力貢獻(xiàn)值重新計(jì)算剩余節(jié)點(diǎn)期望影響力的計(jì)算方法為：

16、

17、一種基于群體傳播的社交網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)集識(shí)別系統(tǒng)，該系統(tǒng)具有與上述技術(shù)方案任一項(xiàng)技術(shù)方案中所述方法的步驟對(duì)應(yīng)的程序模塊，運(yùn)行時(shí)執(zhí)行上述的基于群體傳播的社交網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)集識(shí)別方法中的步驟。

18、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序配置為由處理器調(diào)用時(shí)實(shí)現(xiàn)上述技術(shù)方案中任一項(xiàng)所述的基于群體傳播的社交網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)集識(shí)別方法中的步驟。

19、相較于現(xiàn)有技術(shù)，本發(fā)明的有益效果是：

20、本發(fā)明提供了一種基于群體傳播的社交網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)集識(shí)別方法，考慮節(jié)點(diǎn)對(duì)周?chē)?jié)點(diǎn)的影響力貢獻(xiàn)削減，通過(guò)迭代更新方式減少最終節(jié)點(diǎn)之間的影響力重疊，在每次迭代都刪除已識(shí)別節(jié)點(diǎn)的影響力，并重新計(jì)算剩余節(jié)點(diǎn)的影響力貢獻(xiàn)折扣，以減少節(jié)點(diǎn)集之間的影響力重疊。

21、本發(fā)明方法具有較高的識(shí)別準(zhǔn)確性，時(shí)間復(fù)雜度低，適用于大型網(wǎng)絡(luò)，能夠適用于大型網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)集的識(shí)別。

22、本發(fā)明收集節(jié)點(diǎn)二階鄰域信息，充分考慮二階鄰居節(jié)點(diǎn)對(duì)目標(biāo)節(jié)點(diǎn)影響力的貢獻(xiàn)。

技術(shù)特征：

1.一種基于影響力衰減的社交網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)識(shí)別方法，其特征在于，包括如下步驟：

2.根據(jù)權(quán)利要求1所述的基于群體傳播的社交網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)集識(shí)別方法，其特征在于，s2中節(jié)點(diǎn)的期望影響力的計(jì)算方法為：

3.根據(jù)權(quán)利要求2所述的基于群體傳播的社交網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)集識(shí)別方法，其特征在于，s3中對(duì)剩余節(jié)點(diǎn)的影響力貢獻(xiàn)進(jìn)行折扣更新的計(jì)算方法為：

4.根據(jù)權(quán)利要求3所述的基于群體傳播的社交網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)集識(shí)別方法，其特征在于，s3中根據(jù)更新后的影響力貢獻(xiàn)值重新計(jì)算剩余節(jié)點(diǎn)期望影響力的計(jì)算方法為：

5.一種基于群體傳播的社交網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)集識(shí)別系統(tǒng)，其特征在于，該系統(tǒng)具有與上述權(quán)利要求1～4任一項(xiàng)權(quán)利要求的步驟對(duì)應(yīng)的程序模塊，運(yùn)行時(shí)執(zhí)行上述的基于群體傳播的社交網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)集識(shí)別方法中的步驟。

6.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序配置為由處理器調(diào)用時(shí)實(shí)現(xiàn)權(quán)利要求1～4中任一項(xiàng)所述的基于群體傳播的社交網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)集識(shí)別方法中的步驟。

技術(shù)總結(jié)
本發(fā)明一種基于群體傳播的社交網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)集識(shí)別方法、系統(tǒng)及存儲(chǔ)介質(zhì)，涉及社交網(wǎng)絡(luò)技術(shù)領(lǐng)域，為解決現(xiàn)有方法存在時(shí)間復(fù)雜度高，不適用于大型網(wǎng)絡(luò)，以及在計(jì)算節(jié)點(diǎn)影響力時(shí)，沒(méi)有考慮到節(jié)點(diǎn)之間的影響力重疊的問(wèn)題。包括如下步驟：S1、構(gòu)建無(wú)權(quán)無(wú)向社交網(wǎng)絡(luò)G＝(V,E)，V代表節(jié)點(diǎn)集合，E代表網(wǎng)絡(luò)的邊集合；S2、計(jì)算節(jié)點(diǎn)的期望影響力，將影響力最大的節(jié)點(diǎn)添加到初始傳播節(jié)點(diǎn)集合中；S3、把確定的初始傳播節(jié)點(diǎn)從網(wǎng)絡(luò)中刪除后對(duì)剩余節(jié)點(diǎn)的影響力貢獻(xiàn)進(jìn)行折扣更新，然后根據(jù)更新后的節(jié)點(diǎn)影響力貢獻(xiàn)值計(jì)算網(wǎng)絡(luò)剩余節(jié)點(diǎn)的影響力，將影響力最大的節(jié)點(diǎn)加入初始傳播節(jié)點(diǎn)集合中；S4、重復(fù)執(zhí)行S3，迭代至節(jié)點(diǎn)集大小滿足要求，得到關(guān)鍵節(jié)點(diǎn)集。

技術(shù)研發(fā)人員：張大勇,張豈凡
受保護(hù)的技術(shù)使用者：哈爾濱工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26