[发明专利]一种在线社交网络中节点相似性与凝聚力并重的信息传播方法

摘要

本发明公开了一种在线社交网络中节点相似性与凝聚力并重的信息传播方法，包括如下内容：(1)在给定拓扑的社交网络中，基于节点的相似性与凝聚力，结合PageRank改进算法，按影响力对节点进行排序，并选择种子节点；(2)设计面向社交网络信息传播的信任度更新规则与并行推荐规则，模拟信息在真实世界的传播过程；(3)采用真实数据集，分析传播结果与传播发起者、迭代次数间的关系。本发明考虑了传播发起者对传播结果的影响，设计了普通节点的信任度动态更新规则与并行推荐规则，能够最大化受影响普通节点的数目，提升信息传播的速率与范围。

主权项

1.一种在线社交网络中节点相似性与凝聚力并重的信息传播方法，本方法用带权有向图G(V,E)表示社交网络，V是社交网络中N个节点的集合，其中p,q∈V，E是非对称的N×N矩阵，代表节点之间的影响力，其中e_p,q∈E，e_p,q表示节点p对节点q的影响力，且e_p,q≠e_q,p；其特征在于，包括以下步骤：步骤1计算G(V,E)中所有节点的中心度集合Cen、所有节点的凝聚力集合Cohes以及节点间的相似性集合Sim：Cen＝{cen(p)|p∈V}，Cohes＝{cohes(p)|p∈V}，Sim＝{sim(p,q)|p,q∈V}，其中，cen(p)表示节点p的中心度，是节点p的入度节点集合，是节点p的出度节点集合；cohes(p)表示节点p的凝聚力，NFP(p)表示节点p的邻居节点当前组成的朋友对数目，NFPP(p)表示节点p的所有邻居节点中最大可能朋友对数目；μ和θ为权重因子，均小于1；sim(p,q)表示节点p与节点q的相似性；步骤2计算IMP_t：D＝λ·repmat(Cohes,N,1)+(1‑λ)·Sim其中，IMP_t代表t时刻所有节点的重要性等级，H是一个元素全为1的N×N矩阵，M为概率转移矩阵，repmat(Cohes,N,1)是将Cohes的1×N矩阵按行复制为N×N矩阵，M中任一行的所有元素之和等于1，D为阻尼系数矩阵，λ为权重因子，0＜λ＜1；步骤3由IMP_t可得t时刻每个节点的重要性等级，按照t时刻每个节点的重要性等级对所有节点进行降序排列得到Sort_t，由IMP_t+1可得t+1时刻每个节点的重要性等级，按照t+1时刻每个节点的重要性等级对所有节点进行降序排列得到Sort_t+1，直至|Sort_t+1‑Sort_t|＝0，排序过程终止，此时选前k个节点形成种子节点集合S，包含在种子节点集合S内的为种子节点，剩余N‑k个不在种子节点集合S内的为普通节点，k≤N；步骤4对于普通邻居节点x，x∈{V‑S}，种子节点y，在t时刻均可向x进行信息推荐，按照信任度更新规则，更新t时刻x的信任度；其中，t处在节点的推荐周期内，推荐周期定义为：对于种子节点与普通节点，只能在其规定的推荐周期范围内，种子节点可向普通节点推荐信息，普通节点可接受种子节点的信息推荐；信任度更新规则为：o代表信任度，o_x,t表示t时刻普通邻居节点x的信任度，o_y,t‑1表示t‑1时刻种子节点y的信任度；W为影响力矩阵，W＝(1‑α‑β)·E+α·repmat(Cohes,N,1)+β·Sim，w_y,x表示种子节点y对普通邻居节点x的影响力，α和β是权重因子，且0<(α+β)<1；步骤5判断x在t时刻是否接受信息推荐：普通邻居节点x在t时刻是否接受信息推荐，服从二项分布A_x,t～B(1,o_x,t)，A_x,t代表t时刻普通邻居节点x的态度，B(1,o_x,t)代表普通邻居节点x以概率o_x,t接受信息推荐，若二项分布结果为1，表示普通邻居节点x在t时刻接受信息推荐，则A_x,t更新为1，转步骤6；若二项分布结果不为1，表示普通邻居节点x在t时刻未接受信息推荐，转步骤7；步骤6以普通邻居节点x在t时刻的恢复率R_x,t进行随机恢复，R_x,t＝1‑o_x,t，恢复时服从二项分布A_x,t～B(1,R_x,t)，B(1,R_x,t)代表普通邻居节点x的态度A_x,t以R_x,t的恢复率从活跃状态1恢复至不活跃状态0，若恢复不成功则普通邻居节点x成为种子节点，若恢复成功，则A_x,t＝0，从G(V,E)中移除普通邻居节点x，转步骤7；步骤7判断剩余所有普通节点中是否存在未接受信息推荐的节点，若不存在，算法结束；否则t＝t+1，转步骤4。