[发明专利]基于传播路径分析的独立级联模型的影响力最大化方法

说明书

技术领域

本发明属于应用于复杂网络中利用独立级联模型识别影响力最大化的节点的方法，特别涉及基于传播路径分析的独立级联模型的影响力最大化方法。

背景技术

复杂网络的重要节点是指相比网络其他节点而言，能够在更大程度上影响网络的结构与功能的一些特殊节点。近年来，识别有影响力节点受到越来越广泛的关注，不仅因为其重大的理论研究意义，更因为其广泛的实际应用价值。

随着互联网的发展，我们的日常生活中到处充斥着信息，搜索信息使我们每天必做的工作。如何有效的找到所需要的信息，或者看到目前的新闻热点，除了通过搜索引擎搜索，也可以通过查看网络中influential spreader发布的信息。很多社会网络，如twitter、delicious允许用户交流，发布信息。识别influential user可以有效的发布信息，使得信息的传播广度、深度都有所提高。不同的网络发布的信息不同，运营方式也不同，如中国的新浪微博或腾讯微博，这样的互动平台，每个人都可以在上面发布信息，可以是自己的关注也可以是目前的社会热点，用户之间还存在着互动，每个用户自己的影响力不同，其发布的信息传播的广度，是否会爆发(大范围的传播)，爆发的时间，持续的时间都有所不同。具有较强影响力的用户，发布的信息很快会被人们转发关注，传播范围广，很快就会成为社会热点。同理，如果想要控制舆论、控制疾病暴发，可以从节点角度出发，找出传播最有效的节点，采取措施可以做到有效的控制。所以，复杂网络中影响力节点的识别有着十分重要的理论意义和实际价值重要的研究课题。目前也有很多识别影响力节点的算法被设计出来。有度中心性(DC)、接近中心性(CC)以及介数中心性(BC)等。

在本发明之前，这些方法在识别有影响力方面存在缺陷和不足：度中心性(DC)的缺点是仅考虑了节点的最局部的信息，是对节点最直接影响力的描述，没有对节点周围的环境(例如节点所处的网络位置、更高阶邻居等)进行更深入细致地探讨，因而在很多情况下不够精确；虽然接近中心性(CC)利用所有节点对之间的相对距离确定节点的中心性，在研究中应用非常广泛，但时间复杂度比较高。在如今大规模的网络环境中并不是很实用；介数中心性(BC)时间复杂度比较高，也并不是很适用于大规模的网络。

发明内容

本发明的目的就是要克服上述缺陷，提供基于传播路径分析的独立级联模型的影响力最大化方法。

本发明的技术方案是：

基于传播路径分析的独立级联模型的影响力最大化方法，其主要技术特征在于包括如下步骤：

(1)输入复杂网络并确定初始传播的种子节点；

(2)产生传播路径：种子节点激活网络中任意顶点，若能激活成功便可以产生传播路径；

(3)构造激活概率最大前m条最短路径集合：利用单源最短路径方法得到概率最大的最短路径。但是本方法是基于独立级联(IC)模型的，在独立级联模型中，我们不仅考虑概率最大的最短路径，还要考虑概率最大的前m条路径；

(4)计算路径集合的最终激活概率：由步骤(3)得到概率最大前m条最短路径集合，在根据我们所提出传播路径的计算公式计算得到最终激活概率；

(5)选择节点集合：通过设置一定得阈值，利用步骤(4)得到的激活概率筛选产生新的节点集合；

(6)对节点集合求最大覆盖：通过最大覆盖的贪心算法最终的得到能够最大覆盖集合的种子集合S。

所述步骤(4)构造激活概率最大前m条最短路径集合：首先本方法在考虑到最大概率的最短路径的同时，考虑到种子节点u和顶点v之间概率最大的前m条最短路径，不是只单一的利用一条最短路径产生的概率进行研究计算，通过对概率最大的前m条最短路径的研究和计算，能够使得我们所提出的方法更具有准确性从而能够有效率的识别出网络中有影响力的节点。

所述步骤(6)对节点集合求最大覆盖：通过步骤(3)、步骤(4)以及步骤(5)得到节点集合，最大覆盖问题是指种子集合S中至少有一个元素出现在步骤(5)得到节点集合中，通过最大覆盖算法得到的种子集合S能够最大的影响或者激活复杂网络中的顶点。