一种基于节点特性的影响力最大化初始节点选取方法
【技术领域】
[0001] 本发明属于计算机技术领域，涉及一种基于节点特性的影响力最大化初始节点选 取方法。
【背景技术】
[0002] 互联网的发展不仅为我们带来了便捷生活方式，还使我们交流与沟通的方式发生 了巨大的变化。我们交友与分享智慧的途径也随着在线社会网络的发展变得更加丰富多 样。随着越来越多的人使用诸如移动终端等更加便捷的数据交换服务，我们的社会结构和 社会关系网络变得更加复杂和紧密。一般情况下，我们使用图结构对社会群体中的人与人 之间的关系进行建模，节点代表个体，而边或者弧代表个体之间的关系。通过在线社会网络 中用户之间的关系，信息可极快的速度和极小的代价进行传播，正因为如此，影响力在 社会网络中的传播和分布为病毒式营销带来了前所未有的机遇和挑战，如何找到初始用户 群体使得信息最终的影响传播范围最大已成为热点研究领域之一。
[0003] 对于影响力最大化问题，当前大部分的研究工作都是基于对传统经典影响力级联 模型的优化，或者对启发式算法的准确度进行改进，对于影响力的评估则主要基于网络结 构和节点度值，用户自身的特性和用户与用户之间的行为相似性很少被挖掘并被应用于对 节点影响力的评估中。
[0004] 针对上述不足，我们提出一种对于节点初始影响力的评估方案，该种方法结合了 用户特性，用户与行为之间关联关系W及用户之间行为相似度对节点之间的影响力进行评 价。同时，我们依据提出的节点之间的影响力评价标准对信用进行分配，并结合贪也算法得 到初始影响力最大化节点集合。
【发明内容】
[0005] 本发明提出了一种更加真实有效的基于节点特性的影响力最大化初始节点选取 方法，在评价节点之间影响力的过程中结合用户活跃度，用户敏感度W及用户亲密度对节 点之间的影响力进行评价，根据时间特性计算节点之间的用户影响力大小，并且结合网络 结构和用户行为日志对信用分布和影响力的传播过程进行构建，最后结合贪也算法选取边 际收益最大的节点得到初始影响力最大化节点集合。具体步骤如下：
[0006] 步骤1 ;对在线社会网络数据集进行处理，得到真实的用户行为日志和网络结构 文件；
[0007] 步骤2 ;遍历用户行为日志，对网络中的每一个节点，分别计算用户活跃度，用户 敏感度和用户亲密度，对U节点，用户活跃度act(u)定义为：
【主权项】
1. 一种基于节点特性的影响力最大化初始节点选取方法包括以下步骤： 步骤1:对在线社会网络数据集进行处理，得到真实的用户行为日志和网络结构文件； 步骤2 :遍历用户行为日志，对网络中的每一个节点，分别计算用户活跃度，用户敏感 度和用户亲密度，对u节点，用户活跃度act(u)定义为：
'代表节点u执行的行为的个数，代表节点u受到邻居节点影响而被动执行的行 为个数，I識[代表训练集中记录的行为总个数，参数A对两种行为数量指标进行控制，取值 范围为（〇, 1)，用户敏感度:定义如下：
记录节点u的所有邻居节点中首次执行行为a的时刻，tu(a)代表节点u最终被 影响而执行相同行为a的时刻，tu代表节点u与其邻居节点之间的平均延迟时间；当两个 时刻的时间跨度LW- 越长，u的值就越小，用户亲密度Pv，u计算公式如下：
表示节点U和节点V执行行为种类集合的并集，表示节点U和节点V执行行 为种类集合的交集； 步骤3 :分别对用户敏感度和用户亲密度进行归一化处理，节点u的用户平均敏感度 艽:和用户平均亲密度於计算规则如下：
#代表训练集中记录的行为，fle此N(u)表示节点u的邻接节点集合，VGN(U)，初 始用户影响力定义为：
给定节点u与其邻居节点V之间的平均延迟时间Tv,u和节点u的初始用户影响力iniful(u),使用连续衰减函数对邻接节点v和节点u之间的影响力进行变换，计算公式如 下：
⑷代表节点V对节点U对于行为a的用户影响力，tMa>是节点V执行行为a的时刻，N^Jv)表示节点v的出邻居节点集合，uGNMt(v)，tu(a)代表节点u最终被影响 而执行相同行为a的时刻； 步骤4 :定义分配给节点v让其影响节点u的信用，对于任意的两个节点v和节点u，给 予节点v让其影响节点u的总信用定义为：
其中,Nin(u)表示节点u的入邻居节点集合，节点w为节点u的入邻居,wGNin(u),yw,u(a)代表给予节点w让其影响邻接节点u的直接信用，公式表示对于任意的两个节点v和 节点u，给予节点v让其影响节点u的总信用等于以节点u的所有入邻居为中间节点，给予 节点v让其影响节点u的信用乘积之和，令Yw,u(a)等于节点w对节点u对于行为a的用 户影响力，即相似地，给予一个节点集合S让其影响节点u的总信用 计笪公式如下：
步骤5 :通过遍历用户行为传播日志，沿着行为传播路径逆向进行信用分配，计算节点x对于所有行为的边际收益：
〇jx)为对于节点x的影响力传播函数，S为当前初始节点集合，V代表网络中全体 节点的总集，〇气为通过行为a在节点集合V-S中给予节点x让其影响节点u的信用，
J给予节点v让其影响除当前初始节点集合S之外的其他节点的总信 用，rs,x(a)代表对于行为a，给予当前初始节点集合的S的信用值，节点的信用值越高代表 影响力越大，结合贪心算法递归选取边际收益最大的节点插入初始节点集合S; 步骤6 :判断初始节点集合中元素的个数是否已经达到要求的个数k，如果已经达到， 则得到最终的初始节点集合，如果未达到，则对除当前初始节点集合之外的节点之间的信 用分布进行更新，并重新回到步骤5。
【专利摘要】本发明提出了一种基于节点特性的在线社会网络影响力最大化初始节点选取方法。首先在网络中，基于用户活跃度、用户敏感度和用户亲密度三方面因素，对节点特性进行评价，并以此为依据对节点之间的信用值进行重新定义和分配，节点之间的信用值大小体现节点之间的影响力，如果两个相邻节点相继执行相同的行为，则认为后者被前者影响，为前者分配信用，之后我们结合网络结构和用户行为日志，计算网络中任意两节点之间的信用值大小，并通过贪心算法，递归选取边际收益最大的节点组成影响力最大化初始节点集合。本发明改进了以往仅依据节点度值评价节点影响力规则的弊端，减少了运算时间和内存消耗，能更真实有效地描述并预测影响力的传播过程。
【IPC分类】G06Q50-00
【公开号】CN104616200
【申请号】CN201510072839
【发明人】邓晓衡, 潘琰, 朱从旭, 林立新, 沈海澜, 李登
【申请人】中南大学
【公开日】2015年5月13日
【申请日】2015年2月11日