[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

本發明公開了一種融合社團信息和局部信息的社交網絡好友預測方法，包括以下步驟：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；通過利用社團信息對用戶之間的邊進行加權，更精確的反映用戶之間的關系；k層概率傳播；計算用戶相似度矩陣；用戶節點相似度排序。該方法利用概率傳播方法預測用戶與用戶之間的相似度，并且通過用戶之間的社團信息進一步提升預測的準確性。本發明通過設計k層概率傳播考慮更多的局部信息，利用用戶社團信息考慮了用戶不同的鄰居對其影響不同的問題，從而能夠更好的預測用戶之間的相似度，實現預測效果的有效提升。

技術領域

本發明設計社交網絡好友預測領域，更具體地說是一種融合局部信息和社團信息的社交網絡好友預測方法。

背景技術

大數據時代給社會和我們的生活帶來了各種變化，其中社交網絡發揮著重要的作用，互聯網在世界范圍內的廣泛使用使人們能夠相互聯系。在現代社交網絡中，多媒體數據十分的豐富。分享圖像、視頻或音樂等多媒體數據到Facebook、Twitter、谷歌+、Flicker等社交網絡上是非常常見的。此外，通過短信、聊天或公開發布個人動態的文本信息共享在社交網絡上也十分流行，人們通過以上等行為與朋友建立聯系。因此，社交網絡為多媒體數據分析，特別是預測分析提供了巨大的語料庫。為了更好地理解各種對象之間的底層關系，收集的數據通常以圖或網絡的形式表示。預測缺失的好友關系或者預測在不久的將來可能會產生的關系，對于揭露隱藏的社交關系起著十分重要的作用。這類問題的出現吸引了大量研究人員在相關領域做了一些工作，然而現有的工作很多考慮到用戶的一階或者二階鄰居，沒有考慮更多的局部信息，而且很少有工作考慮到不同社團的用戶會對目標用戶產生不同的影響的問題。因此提出了一種融合局部信息和社團信息的社交網絡好友預測方法。

目前好友預測領域有關工作主要分為一下兩類：

(1)基于相似性的方法。這是預測好友關系的一種常用方法，在這種方法中，對于每一對節點，基于節點對的結構或者節點的屬性計算一個相似性得分，得分代表節點對之間的預測聯系。基于相似性的方法有基于全局的相似性方法和基于局部的相似性方法，其中基于局部相似性的方法通常使用關于共同鄰居和節點度的信息計算，考慮節點的近鄰，這種方法將鄰居用戶看做同等的，沒有區分影響力的不同。基于全局相似度的方法利用網絡的整個拓撲信息來計算，然而這種方法計算復雜度高，不適用于大型網絡。

(2)基于概率模型的方法。這種方法需要建立一個由多個參數組成的模型，該模型能夠較好額估計給定網絡的觀測數據。概率模型通常除了需要結構信息外，還需要更多的節點或者屬性知識等信息，然而這些信息提取比較困難，而且參數設置也是較大的問題，這限制了它們的適用性。

發明內容

本發明為克服現有技術的不足之處，提供一種融合局部信息和社團信息的社交網絡好友預測方法，考慮用戶的鄰居節點等局部信息，并且融合社交網絡中的社團信息，考慮社團內外用戶的不同影響，以期能在社交網絡中準確的預測用戶之間的好友關系。

本發明為解決技術問題采用如下技術方案：

一種融合局部信息和社團信息的社交網絡好友預測方法，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；