[发明专利]基于社交用户隐特征表示的网络群体形成机制发现方法

权利要求书

1.一种基于社交用户隐特征表示的网络群体形成机制发现方法，其特征在于，包括，

基于用户连接关系构建社交网络；

利用node2vec方法学习获得所述社交网络的隐特征表示；

基于所述社交网络的隐特征表示生成不同影响机制下的网络；

分析所述不同影响机制下的网络特性，确定真实网络的形成机制；

所述利用node2vec方法学习获得所述社交网络的隐特征表示，包括：

在所构建的社交网络R中，给定初始用户u₀，模拟定长l的随机游走，用户u_v游走到用户u_x的概率由式(1)所表征：

式(1)中，u_v和u_x分别表示游走过程中的用户v和用户x；Z是标准化常数；π_vx是由式(2)所表征的u_v到u_x的非标准转移概率：

π_vx＝α_pq(t,x)·ω_vx，其中，

式(2)中，d_tx表示用户t与用户x之间的最短距离，设定随机游走中最短距离不超过3；α_pq(t,x)表示用户t游走到用户x的概率，p与q是控制参数；ω_vx表示用户v与用户x的关系权重；

通过随机游走过程构建邻居用户集，定义表示用户的邻居用户集；

针对社交网络R＝(U,E,W)，构建如式(3)所表征的目标函数：

式(3)中，f是用户特征匹配函数；f(u)＝[f(u₁),...,f(u_i),...f(u_n)]表示用户隐特征矩阵，所述用户隐特征矩阵f(u)是n×d的矩阵；f(u_i)＝(a_i1,...,a_ik,…a_id)表示用户u_i的隐特征向量，所述用户u_i的隐特征向量f(u_i)是1×d的向量，a_ik表示用户u_i的第k维特征偏好值；d表示用户隐特征数；邻居用户集的似然函数P(N_S(u)|f(u))如式(4)所表征：

式(4)中，用户u_i的似然函数是如式(5)所表征的特征点积单元化：

联合式(4)和(5)，式(3)所表征的目标函数约简如式(6)所表征：

针对式(6)所表征的目标函数，通过随机梯度上升的方法不断优化，学习获得较优的用户隐特征矩阵f(u)。

2.如权利要求1所述的基于社交用户隐特征表示的网络群体形成机制发现方法，其特征在于，所述利用node2vec方法学习获得所述社交网络的隐特征表示；包括：

通过随机游走过程构建邻居用户集；

针对社交网络，构建目标函数；

由所述目标函数获得邻居用户集的似然函数；

对所述似然函数所表征的特征点积单元化；

通过随机梯度上升的方法不断优化，学习获得较优的用户隐特征矩阵。

3.如权利要求1所述的基于社交用户隐特征表示的网络群体形成机制发现方法，其特征在于，所述基于所述社交网络的隐特征表示生成不同影响机制下的网络；包括：

在初始时间t₀随机选择m₀个初始用户构建全连接网络；

计算时间t时产生的新连接数；

计算时间t时用户与用户的连接概率；

针对所述全连接网络和连接概率方阵，动态生成仿真社交网络。