[发明专利]一种基于节点特性的影响力最大化初始节点选取方法

说明书

技术领域

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

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，信息可以以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。

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。

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，这种方法结合了用户特性，用户与行为之间关联关系以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，并结合贪心算法得到初始影响力最大化节点集合。

发明内容

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，用户敏感度以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，最后结合贪心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：

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，代表训练集中记录的行为总个数，参数λ对两种行为数量指标进行控制，取值范围为(0,1)，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，t_u(a)代表节点u最终被影响而执行相同行为a的时刻，τ_u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越长，的值就越小，用户亲密度p_v，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的用户平均敏感度和用户平均亲密度计算规则如下：

代表训练集中记录的行为，N(u)表示节点u的邻接节点集合，v∈N(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τ_v，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：

代表节点v对节点u对于行为a的用户影响力，是节点v执行行为a的时刻，N_out(u)表示节点v的出邻居节点集合，u∈N_out(v)，t_u(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：