本发明涉及社交网络信息传播的领域，特别是污染抑制问题，一种在临界时间内有效抑制网络污染传播的方法。
背景技术：
网络污染抑制问题的目的在于通过切断部分网络连接关系，从而使得在特定传播模型下，网络污染能够得到有效的抑制。传统的网络污染抑制方法主要以最小化最终的污染节点为优化目标。然而，在互联网日益发达的今天，网络污染的传播往往具有速度快，传播广的特点，往往要求污染的抑制能够在短时间内取得最优的效果。同时，污染的传播往往具有时延性质。例如，暴露在病毒下的个体往往需要一定的时间才能作为一个新的感染源。
传统的影响力最大化方法无法适用于以上实际场景，针对于此，本发明提出了一种高效快速的基于时延的采样估计方法，从而能够估算出社交网络中的各条边在临界时间内的传播能力。然后，利用贪心算法合理的找出传播能力最强的边，从而通过切断这些边来达到临界时间内污染抑制的效果。
技术实现要素：
本发明要克服现有技术的上述缺点，提出一种基于临界时间的网络污染抑制方法。本发明提出了一种高效快速的基于时延的采样估计方法，从而能够估算出社交网络中的各条边在临界时间内的传播能力。然后，利用贪心算法合理的找出传播能力最强的边，从而通过切断这些边来达到临界时间内污染抑制的效果。
本发明提出了一种基于临界时间的网络污染抑制方法，包括以下步骤：
(1)获取原始网络结构G的邻接信息，边的传播权值以及时延函数，并抽样生成n个激活图。
(2)在步骤(1)得到的每个激活图中，对于每个污染源利用BFS生成CR树。
(3)基于步骤(2)得到的CR树，计算每条边的传播能力。
(4)根据每条边的传播能力，找到并切除传播能力最大的边，同时计算新图的每条边的传播能力。
(5)重复步骤(4)，直到切除k条边为止。此时得到最终污染抑制方案。
对于步骤(1)中所述的抽样生成个n激活图，具体步骤为：
(1.1)对于每个节点v,基于边的传播权值抽样生成节点v的至多一条入边，即有概率b(u，v)生成一条入边(u，v)，或者概率1-∑ub(u，v)不产生入边。
(1.2)根据步骤(1)得到的激活图，为每一条依据时延函数抽样生成时延d(u，v),d(u，v)表示边(u，v)生成的时延。
(1.3)重复步骤(1)，(2)直到生成n个激活图为止。
对于步骤(2)中所述的在每个激活图i中，对于每个污染源节点α利用BFS生成CR树，具体步骤为：
以污染源节点a为根，利用广度优先搜索，在每个激活图中找出可以在临界时间T内污染的节点，以及他们的污染路径，生成一颗CR树表示节点a在激活图i中生成的CR树。
对于步骤(3)中所述的基于得到的CR树，计算每条边的传播能力，具体步骤为：
(3.1)初始化每条边的传播能力H(u，v)＝0，H(u，v)表示边(u，v)的传播能力。
(3.2)对于每一颗CR树表示节点a在激活图i中生成的CR树，计算每条有向边(u，v)所指向的子树的节点个数，并作为该边在CR树中的污染能力以及节点v的影响力表示边(u，v)在CR树中的污染能力，同时更新该边的传播能力
对于步骤(4)中所述的计算新图的每条边的传播能力，具体步骤为：
(4.1)对于每一颗CR树如果切除的边(uz，vz)在该树中，(uz，vz)表示被切除的边，那么寻找出一条该从节点uz到污染源节点a的路径。
(4.2)对于步骤(1)得到的路径上每一条边(u，v)，更新该边此时在CR树中的污染能力节点v的影响力以及边(u，v)的传播能力表示边(u，v)在CR树中的污染能力，表示节点vz在CR树中的影响力，表示节点v在CR树中的影响力，H(u，v)表示边(u，v)的传播能力。
本发明的优点是：能够估算出社交网络中的各条边在临界时间内的传播能力，然后，利用贪心算法合理的找出传播能力最强的边，从而通过切断这些边来达到临界时间内污染抑制的效果。
附图说明
图1是本发明的流程图。
具体实施方式
下面将结合附图对本发明的具体实施进行详细的描述，结合图示过程对发明进行详细说明。
本发明提供了一种基于临界时间的网络污染抑制方法，包括以下步骤：
(1)获取原始网络结构G的邻接信息，边的传播权值以及时延函数，并抽样生成n个激活图。
(2)在步骤(1)得到的每个激活图中，对于每个污染源利用BFS生成CR树。
(3)基于步骤(2)得到的CR树，计算每条边的传播能力。
(4)根据每条边的传播能力，找到并切除传播能力最大的边，同时计算新图的每条边的传播能力。
(5)重复步骤(4)，直到切除k条边为止。此时得到最终污染抑制方案。
对于步骤(1)中所述的抽样生成个n激活图，具体步骤为：
(1.1)对于每个节点v,基于边的传播权值抽样生成节点v的至多一条入边，即有概率b(u，v)生成一条入边(u，v)，或者概率1-∑ub(u，v)不产生入边。
(1.2)根据步骤(1)得到的激活图，为每一条依据时延函数抽样生成时延d(u，v)，d(u，v)表示边(u，v)生成的时延。
(1.3)重复步骤(1)，(2)直到生成n个激活图为止。
对于步骤(2)中所述的在每个激活图i中，对于每个污染源节点a利用BFS生成CR树，具体步骤为：
以污染源a为根，利用广度优先搜索，在每个激活图中找出可以在临界时间T内污染的节点，以及他们的污染路径，生成一颗CR树表示节点a在激活图i中生成的CR树。
对于步骤(3)中所述的基于得到的CR树，计算每条边的传播能力，具体步骤为：
(3.1)初始化每条边的传播能力H(u，v)＝0，H(u，v)表示边(u，v)的传播能力。
(3.2)对于每一颗CR树表示节点a在激活图i中生成的CR树，计算每条有向边(u，v)所指向的子树的节点个数，并作为该边在CR树中的污染能力以及节点v的影响力表示边(u，v)在CR树中的污染能力，同时更新该边的传播能力
对于步骤(4)中所述的计算新图的每条边的传播能力，具体步骤为：
(4.1)对于每一颗CR树如果切除的边(uz，vz)在该树中，(uz，vz)表示被切除的边，那么寻找出一条该从节点uz到污染源节点a的路径。
(4.2)对于步骤(1)得到的路径上每一条边(u，v)，更新该边此时在CR树中的污染能力节点v的影响力以及边(u，v)的传播能力表示边(u，v)在CR树中的污染能力，表示节点vz在CR树中的影响力，表示节点v在CR树中的影响力，H(u，v)表示边(u，v)的传播能力。
最后，应当指出，以上实施例仅是本发明较有代表性的例子。显然，本发明的技术方案并不限于上述实施例，权利中的步骤还可以有不同的解决方式。本领域的普通技术人员可在不脱离本发明的发明思想情况下，对于上述实施做出种种修改或变化，因而本发明的保护范围并不被上述实施例所限，而应该是符合权利要求书提到的创新性特征的最大范围。