[发明专利]移动社会网络中一种基于节点吸引力的重要用户识别方法

说明书

本发明公开了移动社会网络中一种基于节点吸引力的重要用户识别方法，依据图注意力网络中边注意力权重值表示相邻两节点间的关注，分别给出了节点所获得关注度和其邻居节点所获得关注度的度量，进而计算节点吸引力，并基于该指标来衡量节点的重要性。本发明方法充分利用了图注意力网络的优势，能够更加深入地挖掘网络中的邻域结构，从而更有效地识别出重要节点。本发明充分考虑用户间关注差异性，能够更有效地识别移动社会网络场景下的重要用户。

技术领域

本发明涉及移动社会网络社会挖掘领域，尤其涉及移动社会网络中一种基于节点吸引力的重要用户识别方法。

背景技术

大量移动设备的普及使得许多在线社会网络逐渐转向基于移动设备的社会网络。不同于在线社会网络，移动社会网络是移动通信网络和社会网络结合的产物，同时具有移动性和社会性两大特性。从社会性这一视角出发，移动社会网络可以被映射为以人为主体、人与人之间交互关系的网络。面向移动社会网络的数据挖掘领域包括社团检测、重要用户识别、路由选择和蠕虫控制等诸多研究课题，本发明所针对的是重要用户识别这一课题。在移动社会网络中，节点的影响力往往并不完全相同。影响力节点指的是那些在社交圈或真实关系网络中具有较高中心性的用户。目前已有许多方法和技术被用来试图解决这一问题，大致可以分为三大类：第一类方法大多基于网络科学理论，这类方法从网络中的点和边出发，给出了很多局部和全局的节点影响力量化方法，然而这类方法未能刻画移动社会网络这一场景下的诸多特性，因而这一类方法并不完全适用于该场景下这一问题的解决。第二类方法主要借助一些优化算法来寻找使得影响力最大化的种子集合，然而这类方法往往需要多次迭代寻优，具有较高的时间和空间复杂度。第三类方法可以看作是图神经网络的应用之一，现有的方法大多基于复杂网络或社会网络这两种情景，未能捕获移动社会网络的特性和差异，故而不具有针对性，也不符合真实的情景需求。事实上，移动社会网络中的用户间的关注具有差异性，这离不开用户间的关系亲密程度。

发明内容

本发明的目的在于提供移动社会网络中一种基于节点吸引力的重要用户识别方法，借助图神经网络强大的特征表达能力，充分挖掘了节点间关注的差异性，在保证较低复杂度的情况下，也能够提高识别精度。

本发明采用的技术方案是：

移动社会网络中一种基于节点吸引力的重要用户识别方法，其包括以下步骤：

步骤1，构建用户关系图G(V,L)，其中V为表示用户的节点集合，L为表示关系的连边集合：从用户关系层出发，将用户看作节点，将用户间的交互关系看作连边，这样就完成了从移动社会网络到用户关系图的映射。

步骤2，计算节点获得关注度：将该节点的二跳及二跳以内邻居节点的所有注意力进行累加作为该节点获得关注度，

考虑到图神经网络的权重系数可以用来表示该节点捕获其邻居节点的注意力这一事实，借助于图神经网络这一框架学习出每条边上的注意力权重系数，然后将该节点的二跳及二跳以内邻居节点的所有注意力进行累加，作为该节点获得关注度。在此基础上，从节点自身获得的关注度和其邻居节点获得的关注度两个层面来进行考虑，节点i所获得的关注度f(i)的计算公式如下。

其中，k表示网络的层数，K₂表示第二层，j属于节点i的邻居节点，N(i)表示节点i的邻居节点集合，表示在第k层网络中邻居节点j对节点i的注意力。上式主要目的是将第二层中节点i的邻居节点的所有注意力值进行累加求解。

步骤3，计算邻居节点获得关注度：节点i的邻居节点j所获得的关注度计算如下：

其中，k表示网络的层数，K₂表示第二层，i属于节点j的邻居节点，N(j)表示节点j的邻居节点集合，表示在第k层网络中邻居节点i对节点j的注意力。上式主要目的是将第二层中节点j的邻居节点的所有注意力值进行累加求解。