[發明專利]一種基于網絡表征和聚類的社交網絡用戶傳播影響力的識別方法

在審

• 申請號: 202010950299.2
• 申請日: 2020-09-10
• 公開（公告）號: CN112182418A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 楊旭華;熊貞;熊帥;龍海霞
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06K9/62;G06Q50/00
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

一種基于網絡表征和聚類的社交網絡用戶傳播影響力的識別方法，構建社交網絡模型，對網絡做K?shell分解，獲取所有節點K?shell數值，通過SDNE網絡表征將網絡轉化為歐氏空間的N個r維向量，使用K?means聚類方法將N個向量劃分為K個社區，并將這K個社區按照節點數目大小降序排列，依次在K個社區中選取一個K?shell值最大的節點，獲取的K個節點就對應社交網絡傳播影響力Top?K的用戶。本發明利用網絡表征和聚類方法，對網絡劃分社區，選取每個社區最具傳播影響力的用戶，避免重要用戶間信息重疊傳播，準確性高，計算復雜度小。

技術領域

本發明涉及網絡科學領域，特別是指一種基于網絡表征和聚類的社交網絡用戶傳播影響力的識別方法。

背景技術

現如今，社交軟件(微信、微博、Tritter等)在我們生活中占據著重要的位置，它的流行與發展便利了我們的生活，使得我們獲取信息更加的便捷與豐富，而這些社交軟件的用戶數量一般都是數以億計，如此多的用戶組合在一起形成了一個個十分巨大的社交網絡，它極大的擴展了傳播范圍，有利于各種信息的傳播。因此社交網絡的結構特征以及與功能之間的關系是值得我們去深入研究與探討的，比如說，公司產品營銷、社會輿論控制、廣告投放等都是有很重要的應用價值。

用戶影響力也可以說是用戶對整個網絡的一個重要程度，一般就是通過網絡中已知的用戶信息來進行一個評估，一個節點表示一個用戶，量化指標也可以稱作是節點中心性，用數字表示，數字越大，節點重要性越重，用戶影響力也就越大。再通過相關傳播模型，評價算法優劣。社交網絡節點用戶規模龐大，且用戶間關系極其復雜，這就對評估算法有很高的時間復雜度和精度的要求，理想的情況下，需要算法在精度盡可能高的情況下，時間復雜度盡可能低。

發明內容

為了克服目前評估節點影響力方法計算復雜度高、準確性低的不足，本發明提出一種準確性較高、時間復雜度較低的一種基于網絡表征和聚類的社交網絡用戶傳播影響力的識別方法。

本發明解決其技術問題所采用的技術具體步驟是：

一種基于網絡表征和聚類的社交網絡用戶傳播影響力識別方法，包括如下步驟：

步驟一：根據在線社交網絡的用戶數據構建社交網絡模型G(V,E)，V為節點，E為連邊，其中一個節點表示一個用戶，該社交網絡共有N個用戶，對應網絡模型具有N個節點；如果兩個用戶是好友，則相應兩個節點之間有連邊；

步驟二：對社交網絡模型G做k-殼分解，獲取所有節點K-shell數值；

步驟三：通過SDNE網絡表征方法將社交網絡模型G轉化為歐氏空間的N個r維向量，一個網絡節點對應一個向量，其中任意節點i的向量表示為：

χ_i＝(x_i,1,x_i,2,x_i,3...x_i,r)，i＝1,2,3....N，r為可調參數；

步驟四：使用K-means聚類方法將N個向量劃分為K個社區，并將這K個社區按照節點數目大小降序排列并標記，記為C＝(C₁,C₂,C₃···C_K)，其中K為可調參數；

步驟五：依次在K個社區選取一個K-shell數值最大的節點，如果一個社區內K-shell值最大的節點有q個，選取S數值最小的節點加入Top-K節點集合，其中

χ_i和χ_j表示在一個社區內K-shell值相同且最大的節點，j＝1,2,3...q；獲取的Top-K節點集合就對應社交網絡傳播影響力Top-K的用戶。

本發明的技術構思為：利用網絡表征和聚類方法，對網絡劃分社區，選取每個社區最具傳播影響力的用戶，避免重要用戶間信息重疊傳播，具有準確性高和計算復雜度小的特點。