多维网络基于介数中心度进行网络分析的方法
【专利摘要】本发明公开一种多维网络基于介数中心度进行网络分析的方法，涉及计算机社交网络【技术领域】，包括：根据实际网络关系生成多维网络的函数；所述多维网络的函数与实际网络中的节点、维度边和边的维度相关；将所述多维网络中相邻节点之间的维度边通过映射函数映射到一维上，从而得到所述多维网络对应的一维网络；计算动态网络中所有个体的局部介数中心度；按照所计算的局部介数中心度对网络进行分析。本发明提供的多维网络基于介数中心度进行网络分析的方法，通过在网络分析中快速准确地定位个体所处桥接位置的重要性，找到网络中真正起到沟通连接作用的重要个体，以此分析并控制网络中信息的传播和个体间的交流情况。
【专利说明】多维网络基于介数中心度进行网络分析的方法
【技术领域】
[0001]本发明涉及计算机社交网络【技术领域】，特别是涉及一种多维网络基于介数中心度进行网络分析的方法。
【背景技术】
[0002]随着社交网络等现实社会中存在的复杂网络的发展，网络中的关系不再仅仅表现为单一的连接关系，网络的个体之间可能具有多重不同类型的关系，传统的基于单一连接结构的网络分析已不能全面地反映网络的特性。此外，随着网络规模的不断增大，对于网络分析时效性要求的不断提高，传统的静态网络分析方法已经不符合现今网络分析技术的发展趋势。在网络分析中，需要寻找承担了重要沟通作用的个体，这些个体能够很好的将其他个体联系起来，在消息传播过程中处于关键位置。而介数中心度(BetweennessCentrality)则能够衡量个体在网络中所承担的这种重要性，是网络分析中一个极其关键的度量指标。对于该指标来说，传统的全局度量方法会引入长路径所带来的干扰，且其计算所需的时间代价过高，这些都是限制网络分析技术发展的重要瓶颈。因此，如何基于多重网络关系设计高效的、实时的介数中心度计算方法，使得在社交网络、传感器网络等不同网络中能够快速准确地找到起到关键作用的重要节点，是现今网络分析领域中需要解决的关键技术问题。
[0003]因此，目前需要本领域技术人员迫切解决的一个技术问题就是:如何能够创新地提出一种有效的网络分析方法，以满足实际应用中的更多需求。
【发明内容】
[0004]本发明所要解决的技术问题是提供一种多维网络基于介数中心度进行网络分析的方法，通过在网络分析中快速准确地定位个体所处桥接位置的重要性，找到网络中真正起到沟通连接作用的重要个体，以此分析并控制网络中信息的传播和个体间的交流情况。
[0005]为了解决上述技术问题，本发明实施例公开了一种多维网络基于介数中心度进行网络分析的方法，包括:
[0006]根据实际网络关系生成多维网络的函数；所述多维网络的函数与实际网络中的节点、维度边和边的维度相关；
[0007]将所述多维网络中相邻节点之间的维度边通过映射函数映射到一维上，从而得到所述多维网络对应的一维网络；
[0008]计算网络中所有个体的局部介数中心度；
[0009]按照所计算的局部介数中心度对网络进行分析。
[0010]优选的，所述方法还包括:
[0011]当所述多维网络结构发生动态变化时，更新局部介数中心度产生影响的点对依赖，以实现对网络个体的局部介数中心度的更新。
[0012]优选的，所述多维网络结构发生动态变化包括增加和/或删除一条维度边。
[0013]优选的，所述实际网络为社交网络、教育网络、军事网络和/或游戏网络。
[0014]优选的，当所述实际网络为社交网络中，维度集合包括亲戚、同学、朋友、同事和/或邻居不同维度上的关系
[0015]与现有技术相比，本发明具有以下优点:
[0016]本发明通过有效方法对多维网络局部介数中心度进行计算，使得在网络分析中能够快速准确地定位个体所处桥接位置的重要性，找到网络中真正起到沟通连接作用的重要个体，以此分析并控制网络中信息的传播和个体间的交流情况。
[0017]进一步地，本发明提出在动态网络环境下局部介数中心度的更新方法，使得在网络个体间关系发生改变的同时，个体所处沟通连接位置重要性能够得到快速更新，从而实现对网络特性、态势的实时分析与监控。
【专利附图】
【附图说明】
[0018]图1是本发明的一种多维网络基于介数中心度进行网络分析的方法实施例的流程不意图。
【具体实施方式】
[0019]为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和【具体实施方式】对本发明作进一步详细的说明。
[0020]参见图1，本方案所述的一种多维网络基于介数中心度进行网络分析的方法，具体包括:
[0021]步骤S101，根据实际网络关系生成多维网络的函数；所述多维网络的函数与实际网络中的节点、维度边和边的维度相关；
[0022]步骤S102，将所述多维网络中相邻节点之间的维度边通过映射函数映射到一维上，从而得到所述多维网络对应的一维网络；
[0023]具体实践中，根据实际网络关系生成多维网络G= (V，E，L)。其中V表示网络中的节点集合，E表示网络中维度边的集合，L表示网络中所有维度集合。在实际应用中，实际网络为社交网络、教育网络、军事网络和/或游戏网络。例如在社交网络中，维度集合可以包括亲戚、同学、朋友、同事、邻居等不同维度上的关系。
[0024]将网络中相邻节点之间的维度边(V，w，d)通过映射函数ω映射到一维上。其中v，w e V，d e L。映射函数ω: VxV^ N表示为:ω (v，w) = {(v,w, d) | (v,w, d) e e} I,其中 ω (V，w) e [O, |L|]。
[0025]得到多维网络G = (V, E，L)对应的一维网络G' = (V, Er，ω)。
[0026]步骤S103,计算网络中所有个体的局部介数中心度(Local BetweennessCentrality)；
[0027]具体的，通过最长距离K(K > I)进行约束，实现计算的局部性。个体V的局部介数中心度 Cf O)的计算公式为:G(V) =σ (S，t)为点S到t之间所有最短路径个数，O (S，t I V)为点S到t之间所有经过点V的最短路径个数。
[0028]按照算法I对网络所有个体的局部介数中心度进行快速计算。
[0029]算法1.多维网络局部介数中心度计算方法K-MLBC
[0030]输入:映射网络G' = (Y, E1，ω)，Κ
[0031]输出:C§, dG(点对距离表)
[0032]
1: FOR SEV
2: FOR V EV
3:Pred[v] — Empty list; dist[v] <- oo； σ[ν] <- 0;
4: dist[s] <- 0; a[s] <-1;入队列 Q — s;
5: WHILE not Q.EmptyQ
6:出队列V Q； 入栈S <r- v;
7:FOR w e 7 Λ O' w) G E'
8:1F dist[w] = oo THEN dist[w] <- dist[v] + I;
9:1F dist[w] < K THEN 入队列 Q e w;
10:1F dist[w] = dist[v] + I THEN
11;σ^] a[w] + ω(ν, w).σ[ν]; Pred[w] v
12 FOR PEV
13:δ[ν] — 0;
14: WHILE not S.EmptyQ
15:出栈 w S;
16:FOR V G Pred[w]
175[w] <- S[v] + ((I + S[w])a[v])/(a[w]);
18:1F w 关 s THEN Cf [w] — C.[w] + S[w];
19: FOR V EV
20:1F dist[v] < K THEN dG(s,v) dist[v].21: RETURN (v), dG
[0033]步骤S104，按照所计算的局部介数中心度对网络进行分析。
[0034]进一步地，当所述多维网络结构发生动态变化时，更新局部介数中心度产生影响的点对依赖，以实现对网络个体的局部介数中心度的更新。
[0035]具体的多维网络结构发生动态变化(增加或删除一条维度边(v，w，d))时，更新会对局部介数中心度产生影响的点对依赖，以实现对网络个体的局部介数中心度的更新。
[0036]利用可达性，过滤不因网络动态变化而改变其最短路径的点对，按照如下限制得至IJ需要更新的点对集合AUSk (V，W):
[0037]
AUSk (v,w) — {(5;t)|s e VSK, t G , s Φ t,dG {s, v) + I + dG (w, t) < K]
[0038]其中，网络中所有不经过点w即可在K-1步内到达V的节点集合称为局部更新源节点集合V/，所有可由w点不经过点V即可在K-1步内到达的节点集合称为局部更新目的节点集合1^。
[0039]若增加一条维度边(V，w, d)，根据点对之间的最短距离表de，利用子
[0040]路径最短引理对AUSk (V，w)中对任意节点Vi的点对依赖σ (s，11 Vi) /
[0041]σ (s，t)进行更新。对任意点对(s，t) e AUSK，有四种情况:
[0042]I)若de(s, v)+l+de(w, t) > de(s,t),则s, t之间的最短路径一定不会经过边(V,w，d)，插入维度边而两点之间的最短路径不变。
[0043]2)若 dc(s,v)+l+dc(w,t) = dc(s, t),且 s, t 之间只有最短路径s — — W — t(表示最短路径)，则对于S到t最短路径上某节点Vi的点对依赖比值并不会发生变化。
[0044]3)若 dc(s,v)+l+dc(w,t) = dc(s, t),且除了S W V 4 W * t:夕卜还有别的最短路径，则s到t最短路径上一点Vi的点对依赖δ (s，11 Vi)值改变，需要从Cf中删除$ _ t旧最短路径上节点的点对依赖，并加上S — t新最短路径上的点对依赖。
[0045]4)若 dc(s, v)+l+dG(w, t) < dG(s, t),贝U (v, w, d)插入到网络中后，s 到 t 之间的最短路径变为S * I； — W M t，同3) —样需要更新点对依赖。
[0046]若删除一条维度边(?界，(1)，利用子路径最短引理从4时(^4中对
[0047]任意节点Vi的点对依赖σ (s, t|vi)/ ο (s, t)进行更新。对任意点对
[0048](S，t) e AUSk,同样有四种情况:
[0049]I)若dG(s, v)+l+dG (w, t) > dG(s, t),贝丨J s到t之间的最短路径不变。
[0050]2)若 dc(s, v)+l+dc(w,t) = dc(s, t) , s 到 t 之间只有最短路径S ^ V ^ W t,且删除维度边之前ω (v, w) > I时，对最短路径上的任意点Vi，其点对依赖δ (s，t|Vi)不变，则不需要更新局部介数中心度。
[0051]3)若 dc(s, v)+l+dc(w, t) = dc(s, t), s 到 t 之间只有最短路径S 4 V ^ W且删除维度边之前ω (V，w) = 1，则需要重新寻找s到t的最短路径。如果不可以K步到达，则删除S _ t旧最短路径上节点的点对依赖，否则需要先从Cf中删除旧最短路径上的点对依赖，然后添加新最短路径上的节点的点对依赖。
[0052]4)若dG(s, v)+l+dG (w, t) = dG(s, t), s到t之间还有其它最短路径,则需要先从Cl中删除旧最短路径上节点的点对依赖，然后添加新最短路径上的节点的点对依赖。
[0053]为使本领域技术人员更好地理解本发明，以下结合实际应用，更为详尽的对本方案做具体介绍。
[0054]1、多维网络映射方法
[0055]用G= (V，E，L)表示多维网络，其中V表示网络中的节点集合，E表示网络中维度边的集合，L表示网络中所有维度集合。多维图中一条维度边用三元组(v，w，d)表示，其中V和w表示这条边的两个端点，I表示边的维度，且V，w e V，d e L。例如在社交网络中，d可以是同学、朋友、同事、邻居等不同维度的关系。
[0056]将相邻节点之间维度边的数量看作是两个节点间的路径数量，对多维网络G =(V，E，L)来说，其对应的一维网络G' =(ν，Ε'，ω)，映射函数ω: y X y 4 M表示为:ω (v, w) = I {(v, w, d) I (v, w, d) e E} | ,其中 ω (v，w) e [0, I L | ]。
[0057]2、局部介数中心度定义
[0058]权值ω (V，w)表示节点V与w之间的连接边的个数,而非两点之间的距离。于是多维网络中两点之间最短路径的数量可定义为:
[0059]定义1.若任意两个顶点V。与Vk之间有最短路径P =〈V。, VijV2,..., vk>,则V。与Vk之间的最短路径个数表示为:σ (v0, vk) =TI 0^i<kw (vi，vi+i)。以下使用σ (V。，vk I Vi)表示V(|到Vk最短路径经过Vi点的次数。
[0060]考虑对介数中心度计算的最长距离进行约束，以提高计算效率，同时避免过多由于长路径和多维网络语义带来的误差。给出局部介数中心度(Local BetweennessCentrality)的定义如下:
[0061]定义2.在映射后的网络G' =(V，E'，ω)上，K为常数，且K> 1，局部介数中心度Cf 表示为= Esjevandde11；)/σ(s,t)。以下使用 δ (s，t|v)/σ (s, t)表示点对依赖。
[0062]3、局部介数中心度计算方法
[0063]给出局部介数中心度算法K-MLBC (Κ-Multidimens1nal Local BetweennessCentrality)如下,其中de为点对距离表:
[0064]算法1.多维网络局部介数中心度计算方法K-MLBC
[0065]输入:映射网络G' = (Y, E1，ω)，Κ
[0066]输出:C#，de
[0067]
【权利要求】
1.一种多维网络基于介数中心度进行网络分析的方法，其特征在于，包括: 根据实际网络关系生成多维网络的函数；所述多维网络的函数与实际网络中的节点、维度边和边的维度相关； 将所述多维网络中相邻节点之间的维度边通过映射函数映射到一维上，从而得到所述多维网络对应的一维网络； 计算网络中所有个体的局部介数中心度； 按照所计算的局部介数中心度对网络进行分析。
2.如权利要求1所述的多维网络基于介数中心度进行网络分析的方法，其特征在于，所述方法还包括: 当所述多维网络结构发生动态变化时，更新局部介数中心度产生影响的点对依赖，以实现对网络个体的局部介数中心度的更新。
3.如权利要求1所述的多维网络基于介数中心度进行网络分析的方法，其特征在于，所述多维网络结构发生动态变化包括增加和/或删除一条维度边。
4.如权利要求1所述的多维网络基于介数中心度进行网络分析的方法，其特征在于，所述实际网络为社交网络、教育网络、军事网络和/或游戏网络。
5.如权利要求4所述的多维网络基于介数中心度进行网络分析的方法，其特征在于，当所述实际网络为社交网络中，维度集合包括亲戚、同学、朋友、同事和/或邻居不同维度上的关系。
【文档编号】H04L12/26GK104168158SQ201410403859
【公开日】2014年11月26日 申请日期:2014年8月15日 优先权日:2014年8月15日
【发明者】王朝坤, 王萌, 杨建祥 申请人:清华大学