[發明專利]一種融合局部信息和社團信息的社交網絡好友預測方法

在審

• 申請號: 202111544505.0
• 申請日: 2021-12-16
• 公開（公告）號: CN114201690A
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 張磊;張華彬;李斌;張吳忌
• 申請（專利權）人: 安徽大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06K9/62;G06Q50/00
• 代理公司: 合肥云道爾知識產權代理事務所(特殊普通合伙) 34230
• 代理人: 陳蘭

1.一種融合局部信息和社團信息的社交網絡好友預測方法，其特征在于，包括以下步驟：

步驟1、利用社團檢測算法對社交網絡進行預處理，得到網絡的社團結構；

步驟2、通過利用網絡的社團結構對用戶之間的邊進行加權，更精確的反映用戶之間的關系；

步驟3、k層概率傳播

步驟3.1、基于原始網絡構建二部網絡B_G(X,Y,W)，X表示網絡中的用戶，Y表示網絡中的用戶，W表示X中節點和Y中節點之間存在有聯系；

步驟3.2、設置資源分配比例，根據步驟2得到的權重矩陣，計算資源從X到Y或者從Y到X比例的方式；

步驟3.3、設置傳播層數k；

步驟3.4、對于網絡G中的任一用戶i，找到其鄰居節點，并將X中用戶i的鄰居節點的初始資源設置為1；

步驟3.5、第一層傳播，將X中所有節點的資源按照比例分配給其在Y中的鄰居節點；

步驟3.6、第二層傳播；將Y中所有節點的資源按照比例分配給其在X中的鄰居節點；

步驟3.7、重復步驟3.5和步驟3.6，資源在X和Y之間反復傳播，直到達到設置的k層傳播；

步驟4、計算用戶相似度矩陣

步驟4.1、對所有用戶執行步驟3，得到所有用戶的k層資源傳播值；

步驟4.2、計算任意第i個用戶節點與第l個用戶節點的相似度；

步驟4.3、經過步驟4.2可以得到任意兩個節點之間的相似度，構建用戶相似度矩陣；

步驟5、用戶節點相似度排序

將原本存在邊的節點對相似度置0，然后對剩余節點對的相似度按照從大到小進行排序，相似度越高代表兩個節點之間有連邊的可能性越大，即兩個用戶是好友的可能性越大。

2.根據權利要求1所述的一種融合局部信息和社團信息的社交網絡好友預測方法，其特征在于：定義網絡表征為G(V,E)，V＝{v₁,v₂,…,v_i,…,v_n}表示社交網絡中的用戶，v_i表示第i個用戶；n為節點的總數；E＝{e_ij|i＝1,2,…,n；j＝1,2,…,n}表示任意兩個節點之間存在有聯系；e_ij表示第i個節點v_i與第j個節點v_j之間是否存在邊；若e_ij＝1，表示第i個節點v_i與第j個節點v_j之間有邊相連，則第i個節點v_i與第j個節點v_j互為鄰居節點；若e_ij＝0，表示第i個節點v_i與第j個節點v_j之間無邊相連，即不存在聯系。

3.根據權利要求2所述的一種融合局部信息和社團信息的社交網絡好友預測方法，其特征在于：所述步驟1中，得到網絡的社團結構為C＝{c_ij|i＝1,2,…,n；j＝1,2,…,n}，c_ij表示第i個節點v_i與第j個節點v_j是否屬于同一個社團；如果c_ij＝1，表示第i個節點v_i與第j個節點v_j屬于同一個社團；若c_ij＝0，表示第i個節點v_i與第j個節點v_j不屬于同一個社團。

4.根據權利要求3所述的一種融合局部信息和社團信息的社交網絡好友預測方法，其特征在于：所述步驟2中，對于任意兩個用戶v_i和v_j，他們邊的權值為：

W_ij＝c_ij×e_ij+e_ij (1)

式(1)中c_ij表示兩個用戶是否在同一社團，如果在同一社團則c_ij＝1，否則c_ij＝0；e_ij表示兩個用戶是否存在連邊，若存在連邊則e_ij＝1，否則e_ij＝0。