一个预测社交网络演化过程和网络性质的方法
【专利摘要】本发明提出了一个预测社交网络演化过程和网络性质的方法，属于计算机【技术领域】。本方法初始设定完全图的社会网络，对每个新加入的节点，根据优先连接概率从当前网络中选取若干节点与新加入节点连接，然后计算当前网络中的每个节点的聚集力和网络的聚集力总和，并选取若干节点作为中心节点，将每个中心节点的任意两个好友节点连边。节点的聚集力描述在网络中，某一个节点能够使它的两个还没有成为好友关系的好友连边的能力。网络的聚集力总和描述了社交网络中所有节点的凝聚力总和。本发明方法可以较为准确地模拟并预测各种社交网络的演化过程，在一定程度上弱化了BA模型的弊端，生成接近于真实的社交网络。
【专利说明】一个预测社交网络演化过程和网络性质的方法
【技术领域】
[0001]本发明提出一个用于预测社交网络演化过程和网络性质的模型，属于计算机【技术领域】和社交网络【技术领域】。
【背景技术】
[0002]近年来对于社交网络演化的研究非常热，研究者也提出了一些模型。然而这些模型并不能适用于预测各种类型的社交网络演化方向，目前，在该领域还没有一个公认的较好的能够准确预测网络未来演化方向的模型。
[0003]现有一个比较经典的社交网络演化模型是BA模型。在BA模型中，初始时刻，假设系统中已存在少量节点，在之后的每一个时间间隔中都新增一个节点，并将该节点与网络中已存在的节点进行连接，连接时按优先连接进行。这样，BA网络就演化为标度不变的状态，即节点度分布为幂指数等于3的幂律分布。但是，BA模型也存在着一定的问题，BA模型的聚类系数很小，特别当网络规模很大时，网络的聚类系数接近于0，这与真实网络具有较大聚类系数的特点并不相符合。本发明在充分研究BA模型的优缺点后，发现虽然BA模型生成网络度分布与实际社交网络度分布相似，但是其聚类系数较小，与实际社交网络特点不符，进一步深入分析聚类系数关于度的分布之后，发现BA模型生成的网络与真实的社交网络有很大的差异，可以说根本不存在局部性，而局部性是社交网络中非常重要的一个特性。
【发明内容】
[0004]本发明针对BA模型生成的网络与真实社交网络存在很大差异的问题，提供了一种预测社交网络演化过程和网络性质的方法，通过分析实际社交网络特点，在BA模型中引入三元闭包的思想，改进了 BA模型。三元闭包即通过在拥有共同好友的两节点间加边，以达到增加聚类系数，改善模型的局部性的效果。
[0005]本发明提供的预测社交网络演化过程和网络性质的方法，包括如下步骤:
[0006]步骤1:将社交网络用无向无权图表示,设初始网络中每两个节点都相连,设η表示网络当前的节点个数；
[0007]步骤2:新加入一个节点时,根据优先连接概率从当前网络中选取k个节点与新加入节点相连接；在连接完成后，更新网络的节点数η’=n+l ；
[0008]节点i的优先连接概率H(i)为
【权利要求】
1.一个预测社交网络演化过程和网络性质的方法，其特征在于，包括如下步骤: 步骤1:将社交网络用无向无权图表示，设初始网络中每两个节点都相连，设η表示网络当前的节点个数； 步骤2:新加入一个节点时,根据优先连接概率从当前网络中选取k个节点与新加入节点相连接；在连接完成后，更新网络的节点数η’ =η+1冰为正整数； H(i) = di.节点i的优先连接概率
【文档编号】H04L29/08GK103593438SQ201310567085
【公开日】2014年2月19日 申请日期:2013年11月14日 优先权日:2013年11月14日
【发明者】童超, 乔梁, 罗小简, 朱蔷, 马骏 申请人:北京航空航天大学