[發明專利]移動社會網絡中一種基于節點吸引力的重要用戶識別方法

在審

• 申請號: 202110307819.2
• 申請日: 2021-03-23
• 公開（公告）號: CN113034298A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 許力;高敏;周趙斌;張欣欣;汪曉丁
• 申請（專利權）人: 福建師范大學
• 主分類號: G06Q50/00
• 分類號: G06Q50/00;G06N3/04
• 代理公司: 福州君誠知識產權代理有限公司 35211
• 代理人: 戴雨君

本發明公開了移動社會網絡中一種基于節點吸引力的重要用戶識別方法，依據圖注意力網絡中邊注意力權重值表示相鄰兩節點間的關注，分別給出了節點所獲得關注度和其鄰居節點所獲得關注度的度量，進而計算節點吸引力，并基于該指標來衡量節點的重要性。本發明方法充分利用了圖注意力網絡的優勢，能夠更加深入地挖掘網絡中的鄰域結構，從而更有效地識別出重要節點。本發明充分考慮用戶間關注差異性，能夠更有效地識別移動社會網絡場景下的重要用戶。

技術領域

本發明涉及移動社會網絡社會挖掘領域，尤其涉及移動社會網絡中一種基于節點吸引力的重要用戶識別方法。

背景技術

大量移動設備的普及使得許多在線社會網絡逐漸轉向基于移動設備的社會網絡。不同于在線社會網絡，移動社會網絡是移動通信網絡和社會網絡結合的產物，同時具有移動性和社會性兩大特性。從社會性這一視角出發，移動社會網絡可以被映射為以人為主體、人與人之間交互關系的網絡。面向移動社會網絡的數據挖掘領域包括社團檢測、重要用戶識別、路由選擇和蠕蟲控制等諸多研究課題，本發明所針對的是重要用戶識別這一課題。在移動社會網絡中，節點的影響力往往并不完全相同。影響力節點指的是那些在社交圈或真實關系網絡中具有較高中心性的用戶。目前已有許多方法和技術被用來試圖解決這一問題，大致可以分為三大類：第一類方法大多基于網絡科學理論，這類方法從網絡中的點和邊出發，給出了很多局部和全局的節點影響力量化方法，然而這類方法未能刻畫移動社會網絡這一場景下的諸多特性，因而這一類方法并不完全適用于該場景下這一問題的解決。第二類方法主要借助一些優化算法來尋找使得影響力最大化的種子集合，然而這類方法往往需要多次迭代尋優，具有較高的時間和空間復雜度。第三類方法可以看作是圖神經網絡的應用之一，現有的方法大多基于復雜網絡或社會網絡這兩種情景，未能捕獲移動社會網絡的特性和差異，故而不具有針對性，也不符合真實的情景需求。事實上，移動社會網絡中的用戶間的關注具有差異性，這離不開用戶間的關系親密程度。

發明內容

本發明的目的在于提供移動社會網絡中一種基于節點吸引力的重要用戶識別方法，借助圖神經網絡強大的特征表達能力，充分挖掘了節點間關注的差異性，在保證較低復雜度的情況下，也能夠提高識別精度。

本發明采用的技術方案是：

移動社會網絡中一種基于節點吸引力的重要用戶識別方法，其包括以下步驟：

步驟1，構建用戶關系圖G(V,L)，其中V為表示用戶的節點集合，L為表示關系的連邊集合：從用戶關系層出發，將用戶看作節點，將用戶間的交互關系看作連邊，這樣就完成了從移動社會網絡到用戶關系圖的映射。

步驟2，計算節點獲得關注度：將該節點的二跳及二跳以內鄰居節點的所有注意力進行累加作為該節點獲得關注度，

考慮到圖神經網絡的權重系數可以用來表示該節點捕獲其鄰居節點的注意力這一事實，借助于圖神經網絡這一框架學習出每條邊上的注意力權重系數，然后將該節點的二跳及二跳以內鄰居節點的所有注意力進行累加，作為該節點獲得關注度。在此基礎上，從節點自身獲得的關注度和其鄰居節點獲得的關注度兩個層面來進行考慮，節點i所獲得的關注度f(i)的計算公式如下。

其中，k表示網絡的層數，K₂表示第二層，j屬于節點i的鄰居節點，N(i)表示節點i的鄰居節點集合，表示在第k層網絡中鄰居節點j對節點i的注意力。上式主要目的是將第二層中節點i的鄰居節點的所有注意力值進行累加求解。

步驟3，計算鄰居節點獲得關注度：節點i的鄰居節點j所獲得的關注度計算如下：

其中，k表示網絡的層數，K₂表示第二層，i屬于節點j的鄰居節點，N(j)表示節點j的鄰居節點集合，表示在第k層網絡中鄰居節點i對節點j的注意力。上式主要目的是將第二層中節點j的鄰居節點的所有注意力值進行累加求解。