[发明专利]一种社交网络重要目标及社区群体识别方法

权利要求书

1.一种社交网络重要目标及社区群体识别方法，其特征在于：包括以下步骤，

步骤1，根据种子用户进行社交网络数据采集；

步骤2，基于采集到的社交网络中用户对象之间的关注关系，构建用户对象静态的关系网络；

步骤3，根据用户对象之间的动态消息传递互动构建消息网络，将关系网络和消息网络进行合并形成混合社交网络拓扑；混合社交网络拓扑中的节点是社交网络的用户对象，节点之间的有向边表示两个节点之间既有关注关系又有消息互动关系；

步骤4，计算每个用户对象在混合社交网络拓扑中的影响力；

步骤5，根据用户对象的影响力得到重要目标及社区群体识别结果。

2.根据权利要求1所述社交网络重要目标及社区群体识别方法，其特征在于：步骤1中根据种子用户进行社交网络数据采集时，数据来源包括对原始数据源的导出、基于社交网络API的数据爬取和基于网页的数据爬取。

3.根据权利要求1所述社交网络重要目标及社区群体识别方法，其特征在于：步骤2的实现方式为，1)将种子用户作为核心用户依次加入静态的关系网络；2）通过广度优先的方式，依次逐层将核心用户的关注用户作为新的核心用户加入静态的关系网络，直至静态的关系网络中的核心用户达到上限，或者扩展层次达到阈值。

4.根据权利要求1所述社交网络重要目标及社区群体识别方法，其特征在于：混合社交网络拓扑中每个节点的属性包括粉丝数目、用户活跃度以及用户互动程度；

以混合社交网络拓扑中某节点m为当前用户，用户互动程度的初始计算如公式1所示：

Weight(N_m)^*=α×C_m+β×RT_normalNm+γ×RT_keyNm    1≤m≤M    （公式1）

其中，M为混合社交网络拓扑中节点总数，m的取值为1,2,…M；α为单次原创的权重，β为当前用户与非种子用户进行交互的权重，γ为当前用户与种子用户进行交互的权重，C_i为当前用户原创数量，RT_normalNi为当前用户与非种子用户之间的转发或评论量，RT_keyNi为当前用户与种子用户之间的转发或评论量；

对用户互动程度的初始计算结果进行归一化处理，归一化计算公式如公式2：

Weight(N_m)=log(Weight(N_m)^*+MInPeR)/log(MinPr+MaxPr)    （公式2）

其中，MaxPr=Max(Weitght(N_m)^*)是混合社交网络拓扑中各节点用户互动程度中的最大值,MinPr=Min(Weight(N_m)^*)是混合社交网络拓扑中各节点用户互动程度中的最小值，MInPeR为预设的平滑参数。