[发明专利]社交网络节点的排序方法

说明书

一种社交网络节点的排序方法，由输入邻接矩阵、确定节点的紧密中心度值、确定佩奇排序值、确定节点的信息熵值、对节点重要度排序步骤组成。本发明采用了紧密中心度作佩奇排序方法初始化值，解决了佩奇排序方法初始化值平均分配带来的排序不准确的问题，通过动态排序的方式，依次删除最重要节点再重复排序，消除了信息难以传播到整个网络对节点重要度排序的影响，对节点重要度进行识别和排序。与现有的方法相比，采用本发明方法得到的节点排序影响力更高，效果最好，排序准确，能更准确地对网络重要节点进行识别和排序。

技术领域

本发明属于网络评估方法技术领域，具体涉及一种社交网络节点的排序方法。

背景技术

社交网络可以看作是个人或组织作为节点，按照一定社会关系构成的社交网络结构。网络节点重要性进行评估可以使广告投放、舆情控制、疾病防控等更为有效，因此节点重要性评估一直是社交网络研究中的基本问题。近年来该领域研究者提出了多种排序方法。有的方法考虑节点的局部信息，如度中心性以及其扩展度量。在混合分解过程中，还有基于路径的方法来量化节点的重要性，如偏心中心性、紧密中心性、介数中心性和Katz中心性。此外，还提出了基于特征向量的排序方法，如PR(PageRank，佩奇排序)方法，该算法认为每一个节点的重要性取决于指向它的其他节点的数量和质量。在影响力排序过程中为了捕捉更广泛和更丰富的信息，邻居节点的贡献度也被研究者加入考虑。同时信息熵也被作为衡量节点重要性的指标使用。

PR算法在计算节点的重要性排序时，初始化的节点重要度是平均分配PR值，节点本身的重要性未被考虑。这种平均分配初始化PR值的方法，在一定程度上影响了节点重要性的排序质量。另一方面现有大多数节点重要性算法研究只是以静态方式进行排序，没有消除“富人俱乐部现象”对节点影响力排序结果的影响。即高影响力节点在社交网络中通常在同一个社区中紧密相连，信息难以大量的传播到整个网络。

发明内容

本发明所要解决的技术问题在于克服上述现有技术的不足，提供一种排序准确排序效果好的社交网络节点的排序方法。

解决上述技术问题所采用的技术方案由下属步骤组成：

(1)输入邻接矩阵

将社交网络图转换成邻接矩阵A:

A＝[a_ij]_N×N (1)

式中N为社交网络图所包含的节点数，N为有限的正整数，i和j表示社交网络图中不同节点、为有限的正整数，a_ij为1、表示节点i和节点j在社交网络图中有连接，a_ij为0表示无连接。

(2)确定节点的紧密中心度值

按下式确定节点的紧密中心度值CC_i：

式中v表示社交网络图中除节点i外其余任意节点，d(i,v)表示社交网络图中节点i和节点v之间最短路径的边数。

(3)确定佩奇排序值

按下式确定节点的佩奇排序值CCPR_i:

式中d是规范化因子，d取值为0.5～0.9，n表示节点i的相邻节点、且n＜i，n取值为有限的正整数，M是节点i的相邻节点数，M取值为有限的正整数，C_n是节点i的相邻节点n的相邻节点数，CC_n是节点n的紧密中心度值。

(4)确定节点的信息熵值

按下式确定社交网络图中所有节点的信息熵值E_i：