[发明专利]一种基于改进的Steiner最小树的城市车辆社会网络社区推荐的近最优配置方法

摘要

本发明公开一种基于改进的Steiner最小树的城市车辆社会网络社区推荐的近最优配置方法。该算法在城市车辆社会网络中，基于现有的高效信任评估机制，利用个人外部信任和内部信任评估模型研究了社会推荐的最优解，可以有效解决城市车辆社会网络社区社会推荐的最优配置的NP‑hard问题。并且，ANOCSR算法相比现有的最优算法(Optimal Algorithm，OA)和贪心算法(Greedy Algorithm，GA)可以在输出的可信度和平均执行时间性能上在获得更好的效果，对车辆信息传播和共享以及驾驶员的决策领域有着显著的应用。

主权项

一种基于改进的Steiner最小树的城市车辆社会网络社区推荐的近最优配置方法，其特征在于，该方法包括如下步骤：步骤一：构建社会社区C1到C2的社会推荐加权非循环有向图G：在城市车辆社会网络中，给定了两个社区和通过加权给循环有向图G＝(M，E，W)来描述社区C1到社区C2的社会推荐，G为一个二分图；其中M是所有成员的成员集，E是所有社交推荐的线路集；W是M和E中定义的函数，对于W，当社区C1中的成员关注时，被设置为Text,i，当涉及社会推荐线时，被设置为Tint,i(g1,g2)；Text,i根据社区中的其他成员基于过去的相互作用将会接受推荐的程度计算得到；Tint,i(g1,g2)表示社区C2中的每个成员都具有C1成员中的内部信任值，该内部信任值被描述为g1为变量，为社区C2中的成员；g2为变量，为社区C1中的成员；步骤二：从G导出新的加权非循环有向图G'：C1中的每个成员对应一个外部信任值Text,i，社区C2中的每个成员对社区C1中的成员具有内部信任值Tint,i(g1,g2)；在G中引入一个控制节点Ω，对于C1中的每个成员存在一个该成员从Ω到另一个成员的定向链接，每个链接将与一个新值相关联，该值将用于替换C1中每个成员的Text,i，从而由G得到另一个加权非循环有向图G'，G′＝(M′，E′，W′)，其中成员集合、链路集合和权重集分别定义如下：成员集合：M'＝C1∪C2∪{Ω}链路集合：权重集：步骤三：由G'得到改进的Steiner最小树其中是树中成员节点集合，是有向边集合，是权值集合，并利用产生近最优社区推荐配置NOCSR：NOCSR(RecC1,C2)←Σai1∈RecC1W~<Ω,ai1>+Σai1∈RecC1,aj2∈C2W~(ai1,aj2)]]>NOCSR←(RecC1,NOCSR(RecC1,C2))。