[发明专利]一种融合局部信息和社团信息的社交网络好友预测方法

权利要求书

1.一种融合局部信息和社团信息的社交网络好友预测方法，其特征在于，包括以下步骤：

步骤1、利用社团检测算法对社交网络进行预处理，得到网络的社团结构；

步骤2、通过利用网络的社团结构对用户之间的边进行加权，更精确的反映用户之间的关系；

步骤3、k层概率传播

步骤3.1、基于原始网络构建二部网络B_G(X,Y,W)，X表示网络中的用户，Y表示网络中的用户，W表示X中节点和Y中节点之间存在有联系；

步骤3.2、设置资源分配比例，根据步骤2得到的权重矩阵，计算资源从X到Y或者从Y到X比例的方式；

步骤3.3、设置传播层数k；

步骤3.4、对于网络G中的任一用户i，找到其邻居节点，并将X中用户i的邻居节点的初始资源设置为1；

步骤3.5、第一层传播，将X中所有节点的资源按照比例分配给其在Y中的邻居节点；

步骤3.6、第二层传播；将Y中所有节点的资源按照比例分配给其在X中的邻居节点；

步骤3.7、重复步骤3.5和步骤3.6，资源在X和Y之间反复传播，直到达到设置的k层传播；

步骤4、计算用户相似度矩阵

步骤4.1、对所有用户执行步骤3，得到所有用户的k层资源传播值；

步骤4.2、计算任意第i个用户节点与第l个用户节点的相似度；

步骤4.3、经过步骤4.2可以得到任意两个节点之间的相似度，构建用户相似度矩阵；

步骤5、用户节点相似度排序

将原本存在边的节点对相似度置0，然后对剩余节点对的相似度按照从大到小进行排序，相似度越高代表两个节点之间有连边的可能性越大，即两个用户是好友的可能性越大。

2.根据权利要求1所述的一种融合局部信息和社团信息的社交网络好友预测方法，其特征在于：定义网络表征为G(V,E)，V＝{v₁,v₂,…,v_i,…,v_n}表示社交网络中的用户，v_i表示第i个用户；n为节点的总数；E＝{e_ij|i＝1,2,…,n；j＝1,2,…,n}表示任意两个节点之间存在有联系；e_ij表示第i个节点v_i与第j个节点v_j之间是否存在边；若e_ij＝1，表示第i个节点v_i与第j个节点v_j之间有边相连，则第i个节点v_i与第j个节点v_j互为邻居节点；若e_ij＝0，表示第i个节点v_i与第j个节点v_j之间无边相连，即不存在联系。

3.根据权利要求2所述的一种融合局部信息和社团信息的社交网络好友预测方法，其特征在于：所述步骤1中，得到网络的社团结构为C＝{c_ij|i＝1,2,…,n；j＝1,2,…,n}，c_ij表示第i个节点v_i与第j个节点v_j是否属于同一个社团；如果c_ij＝1，表示第i个节点v_i与第j个节点v_j属于同一个社团；若c_ij＝0，表示第i个节点v_i与第j个节点v_j不属于同一个社团。

4.根据权利要求3所述的一种融合局部信息和社团信息的社交网络好友预测方法，其特征在于：所述步骤2中，对于任意两个用户v_i和v_j，他们边的权值为：

W_ij＝c_ij×e_ij+e_ij (1)

式(1)中c_ij表示两个用户是否在同一社团，如果在同一社团则c_ij＝1，否则c_ij＝0；e_ij表示两个用户是否存在连边，若存在连边则e_ij＝1，否则e_ij＝0。