【技術實現步驟摘要】
本專利技術屬于社交網絡分析領域，具體地提出了一種考慮多因素的競爭傳播模型以及一種基于該模型和重疊興趣社區檢測的影響力阻斷最大化算法。
技術介紹
1、近些年來，微博、facebook、twitter等社交平臺飛速發展，注冊用戶和活躍用戶數不斷增加，用戶之間通過關注等社交行為建立社交聯系進而構建起規模龐大的社交網絡。社交網絡的出現為信息交互和共享提供了便利，信息傳播呈現出速度快、范圍廣的特點。鑒于用戶決策會受到鄰居的影響，可以瞄準社交網絡中小部分用戶、利用用戶之間紛繁復雜的社交聯系，實現信息的大范圍傳播，影響力最大化問題(information?maximization，im)應運而生。社交網絡快速發展帶來便利的同時,一些負面信息也會快速廣泛傳播，鑒于負面信息影響力阻斷的緊迫性，需要在一定的時間約束內將其影響降至最小。在此背景下，im問題的變體：時間約束下影響力阻斷最大化問題(influence?blocking?maximization?undertime?constraint，t-ibm)受到重視并被廣泛研究，問題描述如下：已知負面信息的種子節點集合且已經在社交網絡中傳播了一段時問，選擇種子節點向社交網絡中發布積極信息，二者在社交網絡中按照指定傳播模型競爭傳播，在給定的時間約束內，使得積極信息占據傳播主導地位，一方面考慮積極信息對負面信息的抑制效果，另一方面考慮積極信息自己的影響范圍。
2、t-ibm問題涉及積極信息和負面信息在社交網絡中的競爭傳播，傳統的單信息傳播模型(獨立級聯模型、線性閾值模型)不再適用，需要描述
3、對于t-ibm問題的求解，目前已有一些通過發布積極信息阻斷負面信息傳播的算法研究，與im問題求解類似，可以分為三類：可以提供性能保證但效率有待提升的近似算法、有效利用社區結構提升可擴展性的基于社區的算法以及效率高但無法提供性能保證的啟發式算法。已有的基于社區的算法通常只考慮社交網絡拓撲結構，忽略了用戶興趣偏好對社區結構形成的影響，考慮興趣偏好劃分的社區可被定義為興趣社區：興趣社區內部用戶之間聯系密切且興趣偏好相似度高，與興趣社區外部用戶之間聯系稀疏且興趣偏好相似度低；同時，用戶可能同屬于多個興趣社區，即興趣社區可能存在重疊。
4、綜上所述，現有的多信息競爭傳播模型均未綜合考慮用戶興趣偏好、用戶之間信息交互時延以及用戶之間信任度，且基于社區的算法忽略了用戶興趣偏好對社交網絡中社區(興趣社區)結構的影響。因此研究貼近現實社交網絡的通用競爭傳播模型以及基于興趣社區的算法具有很強的現實意義。
技術實現思路
1、為了解決上述問題，本專利技術提出一種基于重疊興趣社區檢測的影響力阻斷最大化算法，包括考慮多因素的競爭傳播模型和基于該模型和重疊興趣社區檢測的影響力阻斷最大化算法。提高競爭傳播模型通用性、社區檢測準確性，指導積極信息種子節點選取，以在給定時間約束下有效抑制負面信息傳播。
2、第一方面，提供考慮多因素的競爭傳播模型，包括：社交網絡建模，對社交網絡中用戶、用戶之間社交聯系以及社交網絡呈現的異質性特征進行數學描述，得到社交網絡模型；基于所述社交網絡異質性特征計算用戶之間信任度，完善所述社交網絡模型；基于所述社交網絡模型，定義社交網絡中用戶的所有可能狀態以及狀態之間的轉換機制；基于所述社交網絡模型以及用戶狀態轉換機制對多信息競爭傳播過程進行描述。
3、在一種可選的實施方式中，所述社交網絡呈現的異質性特征包括：用戶異質性和社交聯系異質性，用戶異質性包括用戶興趣偏好，采用話題偏好向量進行建模；社交聯系異質性包括用戶之間信息交互時延以及信息交互次數、用戶之間信任度，其中用戶之間信息交互時延通過相遇概率muv進行建模，muv表示任一時間步用戶u與用戶v相遇的概率，當用戶u轉發信息給v之后每個時間步檢查相對應相遇概率，當滿足相遇概率時用戶u與用戶v相遇，也即用戶v收到了用戶u轉發的信息。
4、在一種可選的實施方式中，所述基于所述社交網絡異質性特征計算用戶之間信任度如下公式所示：
5、tuv＝sx_tuv+suv+reliuv
6、其中，tuv表示用戶v對鄰居u的信任度，sx_tuv熟悉性產生的信任度依賴于用戶之間信息交互的次數，用戶之間信息交互越頻繁，說明用戶之間越熟悉，對應熟悉性產生的信任度越高；suv相似性產生的信任度依賴于用戶之間興趣偏好相似度，興趣偏好相似度越高，說明用戶之間有更多共同語言，越容易接受對方轉發的信息，對應相似性產生的信任度越高；用戶v與鄰居u之間信息交互并不頻繁，但是鄰居u本身有較高的可信賴性(表現在其與部分鄰居信息交互極頻繁、或其與大量鄰居保持信息交互)，此時，用戶v也傾向于信任鄰居u，故reliuv表示對用戶v來說，鄰居u的可信賴程度，其計算依賴于鄰居u與其他鄰居的信息交互情況。
7、在一種可選的實施方式中，所述定義社交網絡中用戶的所有可能狀態以及狀態之間的轉換機制包括：基于社交網絡中用戶接受、轉發信息情況對用戶可能處于的狀態進行定義：①不接受且不轉發，②接受某條信息但不轉發，③接受某條信息且轉發該信息，不同信息的②、③狀態需區別定義，這里為統一描述，此處，將接受信息和轉發信息進行分離，即接受≠轉發，因為現實生活中，用戶轉發信息也有一定的興趣偏好；狀態轉換機制應包括：當用戶處于①狀態時，收到某條信息，用戶將以何概率接受該信息，是否轉發？若收到多條信息，用戶將選擇接受哪條信息，是否轉發？當用戶處于②狀態時，再次收到已接受的信息，將以何概率選擇轉發該信息？若收到其他已接收信息以外的其他信息，是否轉而接受新的信息，是否轉發？所述概率均需綜合考慮所述用戶興趣偏好以及用戶之間信任度進行計算。
8、在一種可選的實施方式中，所述基于所述社交網絡模型以及用戶狀態轉換機制對多信息競爭傳播過程進行描述包括：各信息的種子節點集合中節點狀態為③，其他節點狀態為①；多信息競爭傳播過程按離散步展開，在每個時間步，上一時間步新轉換為狀態③的節點將對應信息轉發給所有未處于③狀態的鄰居節點，經過對應時延后到達鄰居節點，鄰居節點接收到該信息后，結合收到的其他節點轉發來的信息做出狀態轉換決策；當達到預先設置的時間約束或滿足終止條件(沒有新轉換為③狀態的節點且沒有待決策節點)時，信息傳播過程結束。
9、第二方面，提供基于所述考慮多因素的競爭傳播模型以及重疊興趣社區本文檔來自技高網...
【技術保護點】
1.一種考慮多因素的競爭傳播模型，其特征在于，綜合考慮下列社交網絡異質性特征：用戶興趣偏好、用戶之間信息交互的時延以及信息交互次數進行社交網絡建模；基于社交網絡異質性特征計算用戶之間信任度；根據完善后的社交網絡模型，定義社交網絡中用戶的狀態以及狀態之間的轉換機制；最后對多信息競爭傳播過程進行描述。
2.根據權利要求1所示基于社交網絡異質性特征計算用戶之間信任度，其特征在于，結合社會心理學中人與人之間的信任產生原理從三個維度對用戶v對鄰居u的信任度tuv進行分析：sx_tuv熟悉性產生的信任度，依賴于用戶之間信息交互的次數，用戶之間信息交互越頻繁，說明用戶之間越熟悉，對應熟悉性產生的信任度越高；suv相似性產生的信任度，依賴于用戶之間興趣偏好相似度，興趣偏好相似度越高，說明用戶之間有更多共同語言，越容易接受對方轉發的信息，對應相似性產生的信任度越高；reliuv對用戶v來說鄰居u本身的可信賴程度，當鄰居u與部分鄰居信息交互極頻繁、或其與大量鄰居保持信息交互時，鄰居u本身可信賴程度越高，即使用戶v與鄰居u之間信息交互并不頻繁，用戶v也傾向于信任鄰居u。
3.根
4.根據權利要求3所示基于用戶狀態定義設計狀態轉換機制，其特征在于，處于①狀態的節點未接受任何信息，當收到單條信息后，根據向節點轉發該信息的鄰居節點信任度合力以及節點與該信息的話題契合度決定是否接受該信息，進一步，根據話題契合度決定是否轉發該信息；若處于①狀態的節點收到多條信息，按上述方式分別判斷；處于②狀態的節點接受某條信息但并未轉發，若再次受到該條信息，根據向節點轉發該信息的鄰居節點數量決定是否轉發該信息，即影響累積；若處于②狀態的節點收到已接受信息之外的其他信息，需判斷節點是否拋棄已接受的信息，轉而接受新信息，需計算向節點轉發新信息的鄰居節點信任度合力，比較節點與已接受信息和新信息的話題契合度，若與已接受信息的話題契合度更高，則需信任度合力來彌補節點與兩個信息話題契合度的差距；反之，信任度合力起增益作用。
5.一種基于重疊興趣社區檢測的影響力阻斷最大化算法，其特征在于，一個四階段算法框架：
6.根據權利要求5所示識別具有高中心度和興趣偏好相似度的用戶組成的完全子圖作為初始社區，其特征在于，將社交網絡中節點按照中心度降序排列，依次訪問構建初始社區；若當前訪問節點中心度大于平均中心度，加入當前初始社區；根據與當前訪問節點的興趣偏好相似度以及中心度評估鄰居節點對當前訪問節點的重要程度，選擇重要程度最高的鄰居節點加入該初始社區，保留當前初始社區中所有節點的公共鄰居節點；不斷從公共鄰居節點中尋找對當前初始社區重要程度最高的節點加入初始社區并刪去非公共鄰居節點，直到公共鄰居節點集合為空。
7.根據權利要求5所示基于標簽傳播檢測社交網絡中的重疊興趣社區結構，其特征在于，為所述初始社區設置唯一標簽，初始社區內節點共用同一標簽，歸屬系數為1；每一輪迭代，基于鄰居節點上一輪迭代的標簽集合更新節點本輪迭代各節點的標簽集合，包括：匯總當前訪問節點鄰居節點標簽集合中出現的所有標簽，并將對應歸屬系數相加，根據當前訪問節點與各標簽對應社區的關系強度和興趣偏好相似度對歸屬系數進行加權，得到加權歸屬系數，記錄最大加權歸屬系數，刪去加權歸屬系數/最大加權歸屬系數＜給定閾值的標簽；直到屬于每個標簽的節點數量最小值不再變化；持有相同標簽的節點屬于同一興趣社區，有的節點可能持有多個標簽，屬于多個興趣社區，從而形成重疊興趣社區結構。
8.根據權利要求5所示基于重疊興趣社區結構提取重疊節點和非重疊節點并根據影響力值構建候選種子節點集合，其特征在于，基于重疊興趣社區結構提取重疊節點集合和非重疊節點集合，重疊節點同時與多個社區(Cv：與重疊節點v相連的社區集合)相連，處于多社區之間信息傳播的樞紐位置，其影響力值依賴于與各社區的關系強度rv→c以及與社區內各節點的興趣偏好相似度的平均值sB→c；
...【技術特征摘要】
1.一種考慮多因素的競爭傳播模型，其特征在于，綜合考慮下列社交網絡異質性特征：用戶興趣偏好、用戶之間信息交互的時延以及信息交互次數進行社交網絡建模；基于社交網絡異質性特征計算用戶之間信任度；根據完善后的社交網絡模型，定義社交網絡中用戶的狀態以及狀態之間的轉換機制；最后對多信息競爭傳播過程進行描述。
2.根據權利要求1所示基于社交網絡異質性特征計算用戶之間信任度，其特征在于，結合社會心理學中人與人之間的信任產生原理從三個維度對用戶v對鄰居u的信任度tuv進行分析：sx_tuv熟悉性產生的信任度，依賴于用戶之間信息交互的次數，用戶之間信息交互越頻繁，說明用戶之間越熟悉，對應熟悉性產生的信任度越高；suv相似性產生的信任度，依賴于用戶之間興趣偏好相似度，興趣偏好相似度越高，說明用戶之間有更多共同語言，越容易接受對方轉發的信息，對應相似性產生的信任度越高；reliuv對用戶v來說鄰居u本身的可信賴程度，當鄰居u與部分鄰居信息交互極頻繁、或其與大量鄰居保持信息交互時，鄰居u本身可信賴程度越高，即使用戶v與鄰居u之間信息交互并不頻繁，用戶v也傾向于信任鄰居u。
3.根據權利要求1所示定義社交網絡中用戶的狀態以及狀態之間的轉換機制，其特征在于，基于社交網絡中用戶接受、轉發信息情況對用戶可能處于的狀態進行定義：①不接受且不轉發，②接受某條信息但不轉發，③接受某條信息且轉發該信息，其中，將接受信息和轉發信息進行分離，即接受≠轉發，因為現實生活中，用戶轉發信息也有一定的興趣偏好；基于用戶狀態定義設計狀態轉換機制。
4.根據權利要求3所示基于用戶狀態定義設計狀態轉換機制，其特征在于，處于①狀態的節點未接受任何信息，當收到單條信息后，根據向節點轉發該信息的鄰居節點信任度合力以及節點與該信息的話題契合度決定是否接受該信息，進一步，根據話題契合度決定是否轉發該信息；若處于①狀態的節點收到多條信息，按上述方式分別判斷；處于②狀態的節點接受某條信息但并未轉發，若再次受到該條信息，根據向節點轉發該信息的鄰居節點數量決定是否轉發該信息，即影響累積；若處于②狀態的節點收到已接受信息之外的其他信息，需判斷節點是否拋棄已...
【專利技術屬性】
技術研發人員：劉春顏，耿鏝，趙蘊龍，李洋，
申請(專利權)人：南京航空航天大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。