[發(fā)明專利]一種基于凝聚熵的動(dòng)態(tài)影響力最大化方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011338087.5
• 申請(qǐng)日: 2020-11-25
• 公開（公告）號(hào): CN112380456A
• 公開（公告）日: 2021-02-19
• 發(fā)明（設(shè)計(jì)）人: 李衛(wèi)民;鐘克欣;王釗;劉艷霞
• 申請(qǐng)（專利權(quán)）人: 上海大學(xué)
• 主分類號(hào): G06F16/9536
• 分類號(hào): G06F16/9536;G06Q50/00
• 代理公司: 北京盛詢知識(shí)產(chǎn)權(quán)代理有限公司 11901
• 代理人: 方亞兵

1.一種基于凝聚熵的動(dòng)態(tài)影響力最大化方法，其特征在于：包括以下步驟：

S1.構(gòu)建CeCOPRA算法：利用節(jié)點(diǎn)的局部拓?fù)湫畔ⅲ媚垤氐母拍疃x了用戶間的親疏程度，并進(jìn)行重疊社區(qū)劃分；

S2.為了減小種子節(jié)點(diǎn)的選擇范圍，利用社區(qū)結(jié)構(gòu)篩選出候選種子集，所述候選種子集為有潛力成為種子的節(jié)點(diǎn)集，具體包括：

在大型網(wǎng)絡(luò)中選擇的聚集橋；在每個(gè)社區(qū)中選擇的聚集焦點(diǎn)；

S3.構(gòu)建可選擇動(dòng)態(tài)影響力傳播算法：加入了傳播控制因子α，用于表示傳播條件的下限，結(jié)合自信息熵和凝聚熵的凝聚力判斷用戶能否能成為可傳播先驅(qū)而去影響他人，當(dāng)凝聚力達(dá)到閾值時(shí)傳播者才有機(jī)會(huì)去表達(dá)自己的觀點(diǎn)，否則影響擴(kuò)散結(jié)束；

S4.通過多個(gè)數(shù)據(jù)集上的多次實(shí)驗(yàn)，驗(yàn)證DEIM算法能否在不同場景中使理想數(shù)量的用戶被成功影響。

2.根據(jù)權(quán)利要求1所述的一種基于凝聚熵的動(dòng)態(tài)影響力最大化方法，其特征在于：所述步驟S1中的凝聚熵是度量兩個(gè)節(jié)點(diǎn)間關(guān)于鄰域信息分布的相似性，將節(jié)點(diǎn)自身的屬性放在首位，將局域區(qū)域內(nèi)節(jié)點(diǎn)間連邊的緊密度作為輔助屬性，構(gòu)成節(jié)點(diǎn)的鄰域結(jié)構(gòu)信息計(jì)算節(jié)點(diǎn)間的凝聚熵，節(jié)點(diǎn)i和節(jié)點(diǎn)j的凝聚熵CE_ij計(jì)算公式定義如下：其中，r_ij為節(jié)點(diǎn)i和節(jié)點(diǎn)j鄰域信息分布的相對(duì)熵之和，即分散度。

3.根據(jù)權(quán)利要求1所述的一種基于凝聚熵的動(dòng)態(tài)影響力最大化方法，其特征在于：所述步驟S2中的聚集橋定義為：把每個(gè)社區(qū)視為一個(gè)聚集區(qū)，重疊節(jié)點(diǎn)所在位置為聚集相交區(qū)，聚集橋在此區(qū)域內(nèi)產(chǎn)生，聚集橋N_hinge是跨多個(gè)領(lǐng)域的用戶代表集合，定義為：

其中代表社區(qū)i內(nèi)同時(shí)位于六個(gè)及以上社區(qū)的節(jié)點(diǎn)或節(jié)點(diǎn)集，這些點(diǎn)緊密連接多個(gè)聚集區(qū)，所屬社區(qū)數(shù)量的規(guī)定能保證聚集橋中的用戶有足夠的機(jī)會(huì)嘗試影響他人，確保一定數(shù)量的影響擴(kuò)散路徑。

4.根據(jù)權(quán)利要求1所述的一種基于凝聚熵的動(dòng)態(tài)影響力最大化方法，其特征在于：所述步驟S2中的聚集焦點(diǎn)定義為：每個(gè)社區(qū)的非重疊節(jié)點(diǎn)組成了社區(qū)的集中聚集區(qū)，其中度中心性最大的節(jié)點(diǎn)在該區(qū)域內(nèi)與其他節(jié)點(diǎn)具有最緊密的聯(lián)系，稱其為聚集焦點(diǎn)，表示為：

其中代表使D(v)最大的節(jié)點(diǎn)v。

5.根據(jù)權(quán)利要求1所述的一種基于凝聚熵的動(dòng)態(tài)影響力最大化方法，其特征在于：所述步驟S3中的自信息熵定義為：節(jié)點(diǎn)自身攜帶的信息量，該值與節(jié)點(diǎn)的擴(kuò)散量成正相關(guān)，公式：其中M是整個(gè)網(wǎng)絡(luò)中邊的總數(shù)，D_u代表節(jié)點(diǎn)u的度數(shù)，信息熵是對(duì)信息的量化，所述自信息熵通過節(jié)點(diǎn)度和總邊數(shù)的比值衡量節(jié)點(diǎn)所攜帶信息量的多少。

6.根據(jù)權(quán)利要求1所述的一種基于凝聚熵的動(dòng)態(tài)影響力最大化方法，其特征在于：所述步驟S3中的可傳播先驅(qū)定義為：在網(wǎng)絡(luò)G(V，E)中，V是節(jié)點(diǎn)集，E是邊集，對(duì)于邊(u，v)∈E，當(dāng)節(jié)點(diǎn)u與節(jié)點(diǎn)v的凝聚力達(dá)到傳播控制因子α的值時(shí)，節(jié)點(diǎn)u就具備了嘗試影響節(jié)點(diǎn)v的能力，即節(jié)點(diǎn)u就成為了節(jié)點(diǎn)v的可傳播先驅(qū)，然后嘗試去影響節(jié)點(diǎn)v。