[發明專利]基于社交用戶隱特征表示的網絡群體形成機制發現方法

有效

• 申請號: 201811011747.1
• 申請日: 2018-08-31
• 公開（公告）號: CN109300057B
• 公開（公告）日: 2021-08-10
• 發明（設計）人: 劉業政;賀菲菲;李玲菲;姜元春;孫見山
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06Q50/00
• 分類號: G06Q50/00
• 代理公司: 北京旭路知識產權代理有限公司 11567
• 代理人: 董媛;王瑩

1.一種基于社交用戶隱特征表示的網絡群體形成機制發現方法，其特征在于，包括，

基于用戶連接關系構建社交網絡；

利用node2vec方法學習獲得所述社交網絡的隱特征表示；

基于所述社交網絡的隱特征表示生成不同影響機制下的網絡；

分析所述不同影響機制下的網絡特性，確定真實網絡的形成機制；

所述利用node2vec方法學習獲得所述社交網絡的隱特征表示，包括：

在所構建的社交網絡R中，給定初始用戶u₀，模擬定長l的隨機游走，用戶u_v游走到用戶u_x的概率由式(1)所表征：

式(1)中，u_v和u_x分別表示游走過程中的用戶v和用戶x；Z是標準化常數；π_vx是由式(2)所表征的u_v到u_x的非標準轉移概率：

π_vx＝α_pq(t,x)·ω_vx，其中，

式(2)中，d_tx表示用戶t與用戶x之間的最短距離，設定隨機游走中最短距離不超過3；α_pq(t,x)表示用戶t游走到用戶x的概率，p與q是控制參數；ω_vx表示用戶v與用戶x的關系權重；

通過隨機游走過程構建鄰居用戶集，定義表示用戶的鄰居用戶集；

針對社交網絡R＝(U,E,W)，構建如式(3)所表征的目標函數：

式(3)中，f是用戶特征匹配函數；f(u)＝[f(u₁),...,f(u_i),...f(u_n)]表示用戶隱特征矩陣，所述用戶隱特征矩陣f(u)是n×d的矩陣；f(u_i)＝(a_i1,...,a_ik,…a_id)表示用戶u_i的隱特征向量，所述用戶u_i的隱特征向量f(u_i)是1×d的向量，a_ik表示用戶u_i的第k維特征偏好值；d表示用戶隱特征數；鄰居用戶集的似然函數P(N_S(u)|f(u))如式(4)所表征：

式(4)中，用戶u_i的似然函數是如式(5)所表征的特征點積單元化：

聯合式(4)和(5)，式(3)所表征的目標函數約簡如式(6)所表征：

針對式(6)所表征的目標函數，通過隨機梯度上升的方法不斷優化，學習獲得較優的用戶隱特征矩陣f(u)。

2.如權利要求1所述的基于社交用戶隱特征表示的網絡群體形成機制發現方法，其特征在于，所述利用node2vec方法學習獲得所述社交網絡的隱特征表示；包括：

通過隨機游走過程構建鄰居用戶集；

針對社交網絡，構建目標函數；

由所述目標函數獲得鄰居用戶集的似然函數；

對所述似然函數所表征的特征點積單元化；

通過隨機梯度上升的方法不斷優化，學習獲得較優的用戶隱特征矩陣。

3.如權利要求1所述的基于社交用戶隱特征表示的網絡群體形成機制發現方法，其特征在于，所述基于所述社交網絡的隱特征表示生成不同影響機制下的網絡；包括：

在初始時間t₀隨機選擇m₀個初始用戶構建全連接網絡；

計算時間t時產生的新連接數；

計算時間t時用戶與用戶的連接概率；

針對所述全連接網絡和連接概率方陣，動態生成仿真社交網絡。