[發明專利]基于深度自編碼器的復雜網絡節點影響力最大化方法

在審

• 申請號: 201810193048.7
• 申請日: 2018-03-09
• 公開（公告）號: CN108510059A
• 公開（公告）日: 2018-09-07
• 發明（設計）人: 公茂果;王善峰;張天樂;毛貽順;楊月磊;牛旭東;武越
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 程曉霞;王品華

本發明公開了一種基于深度自編碼器的復雜網絡節點影響力最大化方法，解決了復雜網絡影響力最大化問題。其實現步驟為：構建復雜網絡數據；確定復雜網絡各節點的初始影響力；估計兩層范圍內影響力傳播值；構建復雜網絡影響力近似矩陣；構建編解碼模型；訓練編解碼模型，優化編解碼模型的目標函數，得到復雜網絡各節點的影響力特征；選擇復雜網絡的影響力節點集合；不同于其他技術貪心地選擇節點，本發明使用深度自動編碼器通過無監督的方法，能夠有效地挖掘出復雜網絡節點的深層影響力特征，并找到具有潛在影響力的節點集合，所選擇的節點能夠引起大范圍的影響力傳播。本發明可應用于真實世界中的各類復雜網絡。

技術領域

本發明屬于復雜網絡技術領域，涉及選擇網絡中最具有影響力節點的方法，具體是一種基于深度自編碼器的復雜網絡節點影響力最大化方法，用于發現復雜網絡中重要的節點。

背景技術

自然世界中的個體及其相互關系可以抽象為復雜網絡，網絡中的節點可以表示自然世界中的個體，網絡的邊代表個體間的關系。復雜網絡滲透到各個領域中，深入研究復雜網絡，可以揭示隱藏在自然、生物和人類社會中的共同規律。然而，復雜網絡的節點連接關系非常復雜，研究具有重要影響力的節點對信息傳播和擴散起著至關重要的作用，發現這些節點可以幫助人們更好的理解網絡結構及其信息傳播特性。

影響力最大化問題近年來已經成為復雜網絡領域的研究熱點。問題可以簡單的描述為：給定一個復雜網絡，從中找出一小部分點集，使得產生的影響達到最大。

現有技術無法挖掘復雜網絡中節點的影響力特征，在選擇節點過程中存在一定的盲目性，而且現有技術大多數是基于貪心算法，時間復雜度非常高，不適用于大規模網絡。

發明內容

本發明的目的在于針對上述已有技術的不足，提出一種既能得到影響力節點，還能得到節點影響力特征的基于深度自編碼器的學習的復雜網絡節點影響力最大化方法。以找出網絡中節點的影響力特征，獲得最大范圍的影響力傳播。

本發明是一種基于深度自編碼器的復雜網絡節點影響力最大化方法，其特征在于，包括有如下步驟：

(1)構建復雜網絡數據：將真實世界的復雜網絡抽象成拓撲圖G＝(V,E)，其中，G表示一個復雜網絡拓撲圖，V＝{v₁,v₂,…,v_|V|}表示網絡中節點的集合，|V|表示網絡中的節點數目，E＝{e_ij|v_i,v_j∈E}表示網絡中邊的集合；

(2)確定復雜網絡各節點的初始影響力：使用權重級聯傳播模型定義拓撲圖G各節點的初始影響力；

(3)估計兩層范圍內影響力傳播值：在權重級聯傳播模型下，應用LIE方程得到拓撲圖G復雜網絡中各節點的兩層范圍內影響力傳播范圍估計值，兩層范圍內影響力傳播估計值由初始激活節點數σ₀(S)，第一層影響力估計值σ₁(S)，第二層影響力估計值σ₂(S)之和構成；

(4)構建影響力近似矩陣：根據拓撲圖G復雜網絡中各節點的兩層范圍內影響力傳播范圍估計值，構建影響力近似矩陣M：

M＝[m_ij]_|V|×|V|

其中，m_ij為復雜網絡中單個節點的兩層影響力傳播范圍估計值，

S＝{v_i∪v_j|v_i,v_j∈V}，M為|V|×|V|大小的矩陣；