一种社会网络中的社会成员挖掘系统的制作方法

本发明涉及成员挖掘
技术领域：
，具体涉及一种社会网络中的社会成员挖掘系统。
背景技术：
：社会网络是指社会个体成员之间通过社会关系结成的网络体系。社会网络由个体和个体间的连接关系组成。个体也称为节点，可以是组织、个人、网络id等不同含义的实体或虚拟个体；而个体间的相互关系可以是血缘、合作、联盟、敌对等各种各样的关系。近年来，社会网络的节点影响力分析和关键成员挖掘在研究上获得了广泛的关注。对于社会网络上节点的影响力，学术界并没有一个统一的标准。通常认为，节点的社会地位可以用一种打分函数进行衡量，而这个打分函数的取值就可以被理解为节点在社会网络上的影响力。通常打分函数值大的节点可以被理解为是网络中的重要个体，或关键成员。技术实现要素：针对上述问题，本发明旨在提供一种社会网络中的社会成员挖掘系统。本发明的目的采用以下技术方案来实现：提供了一种社会网络中的社会成员挖掘系统，包括社会网络建模模块、节点影响力分析模块和成员挖掘模块，所述社会网络建模模块用于建立社会网络模型，所述节点影响力分析模块用于根据社会网络模型对节点影响力进行分析，所述成员挖掘模块用于根据节点影响力对社会网络成员进行挖掘；所述建立社会网络模型，具体采用以下方式进行：每个社会成员看成一个节点，将社会网络用三元组g＝(v,e,d)表示，其中，v∈v表示节点，v表示节点集合，e∈e表示节点间的关系，e表示节点间的连接关系集合，d表示各节点初始分值的集合，dg(v)表示节点v在社会网络g上的初始分值。本发明的有益效果为：实现了社会网络成员的有效挖掘，具体的，将社会网络建模为三元组模型，不仅完整抽象出了社会网络，而且模型简单直观，能够方便的获取有用信息，采用初始分值描述各节点情况，初始分值作为一个抽象函数，可以通过多种方式实现，例如采用pagerank来获取初始分值。附图说明利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本发明的结构示意图；图2是本发明节点影响力分析模块结构示意图。附图标记：社会网络建模模块1、节点影响力分析模块2、成员挖掘模块3、依赖度计算子模块21、支持度计算子模块22、影响力分析子模块23。具体实施方式结合以下实施例对本发明作进一步描述。参见图1、图2，本实施例的一种社会网络中的社会成员挖掘系统，包括社会网络建模模块1、节点影响力分析模块2和成员挖掘模块3，所述社会网络建模模块1用于建立社会网络模型，所述节点影响力分析模块2用于根据社会网络模型对节点影响力进行分析，所述成员挖掘模块3用于根据节点影响力对社会网络成员进行挖掘；所述建立社会网络模型，具体采用以下方式进行：每个社会成员看成一个节点，将社会网络用三元组g＝(v,e,d)表示，其中，v∈v表示节点，v表示节点集合，e∈e表示节点间的关系，e表示节点间的连接关系集合，d表示各节点初始分值的集合，dg(v)表示节点v在社会网络g上的初始分值。本实施例实现了社会网络成员的有效挖掘，具体的，将社会网络建模为三元组模型，不仅完整抽象出了社会网络，而且模型简单直观，能够方便的获取有用信息，采用初始分值描述各节点情况，初始分值作为一个抽象函数，可以通过多种方式实现，例如采用pagerank来获取初始分值。优选的，所述节点影响力分析模块2包括依赖度计算子模块21、支持度计算子模块22和影响力分析子模块23，所述依赖度计算子模块21用于计算节点的依赖度，所述支持度计算子模块22用于根据节点的依赖度计算节点的支持度，所述影响力分析子模块23用于根据节点的支持度对节点的影响力进行分析。所述计算节点的依赖度具体采用以下方式：对于节点u,v∈v，节点u对v的依赖度为：式中，y(u→v)表示节点u对v的依赖度，g-v表示社会网络g断开节点v与其它节点连接后的社会网络，dg(u)表示节点u在社会网络g中的初始分值；依赖度越大，节点间关系越紧密，依赖度越小，节点间关系越疏远。本优选实施例依赖度计算子模块通过建立依赖度函数求取节点的依赖度，获取了社会网络中节点亲疏关系，对于后续节点支持度计算奠定了良好的基础，在依赖度计算过程中，采用断开节点连接的方式计算依赖度，保证了社会网络中节点数目不变，综合考虑dg-v(u)和dg(u)计算依赖度，获取的依赖度可信度更高。优选的，所述支持度计算子模块22包括第一支持度计算单元和第二支持度计算单元，所述第一支持度计算单元用于计算节点的第一支持度，所述第二支持度计算单元用于计算节点的第二支持度。具体采用以下方式计算节点的第一支持度：(1)将社会关系网络转化为二元组g′＝(v,y)，y表示节点间的依赖度集合，对于节点u,v∈v，y(u→v)表示节点u对v的依赖度；(2)在g′中，对于v∈v，v的最近邻集合为v依赖最大的节点的集合，用n(v)表示，v的反向最近邻集合为对v依赖最大的节点的集合，用rn(v)表示；(3)在g＝(v,y)中，对于u∈v，则u的第一支持度可表示为：式中，z1(u)表示节点u的第一支持度，|n(v)|表示v最近邻节点数目。具体采用以下方式计算节点的第二支持度：(1)将社会关系网络转化为二元组g′＝(v,y)，y表示节点间的依赖度集合，对于节点u,v∈v，y(u→v)表示节点u对v的依赖度；(2)在g′中，对于v∈v，v的k近邻集合为v对节点依赖度在前k的节点的集合，用kn(v)表示，v的反向最近邻集合为对v依赖度在前k的节点的集合，用krn(v)表示；(3)在g＝(v,y)中，对于u∈v，则u的第二支持度可表示为：式中，z2(u)表示节点u的第二支持度，|kn(v)|表示v的k近邻节点数目。本优选实施例设置第一支持度计算单元和第二支持度计算单元计算节点的第一支持度和第二支持度，获取了更为全面的节点支持度信息，对于后续节点影响力计算奠定了良好的基础，具体的，第一支持度基于最近邻节点计算，第二支持度基于k近邻节点计算，得到了节点在不同应用环境下的支持度。优选的，具体采用以下方式对节点的影响力进行分析：定义节点的影响力函数：式中，e(u)表示节点u的影响力函数值，影响力函数值越大，表明节点的影响力越大。本优选实施例影响力分析子模块通过建立影响力函数来计算节点的影响力，综合考虑了节点的第一支持度和第二支持度，获取的节点影响力更为科学准确，为后续发现社会网络中的重要个体或者群体提供了保证。优选的，对社会网络成员进行挖掘，具体采用以下方式进行：计算社会网络成员的影响力函数值，选取影响力函数值最大的n个节点作为社会网络成员挖掘结果。本优选实施例成员挖掘模块根据影响力函数值对社会成员进行挖掘，得到的社会成员更为符合需求。采用本发明社会网络中的社会成员挖掘系统对社会成员进行挖掘，选取5个包含社会成员数量不同社会网络，并分别将其编为网络1、网络2、网络3、网络4和网络5，对最具影响力的前10个社会成员挖掘，对挖掘时间和监测准确性进行统计，同现有技术相比，产生的有益效果如下表所示：挖掘时间缩短挖掘准确性提高网络123％21％网络225％20％网络330％25％网络427％19％网络520％23％最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。当前第1页12