[发明专利]一种在动态大规模社交网络中发现关键人物的方法

权利要求书

1.一种在动态大规模社交网络中发现关键人物的方法，假设动态大规模社交网络中的任意两个节点之间存在着相互影响力：根据万有引力定律，用节点的度中心度指标作为节点的质量，两节点之间的距离用两节点间最短路径长度表示；通过局部分解策略将整个网络分解出局部子网络，并在局部子网络中计算节点的重要性指标；

其包括以下几个步骤，

步骤1：节点标号与参数选择；

先将社交网络中的各个节点用简单的数字序号表示，同时，需要通过参数k的指定来决定用于计算的局部网络规格大小；k为距离待计算节点跳数的最大值；

步骤2：局部网络提取与节点间相互影响力计算；

选择到待计算节点的跳数小于等于参数k的所有节点组成一个局部网络，然后在局部网络中待计算节点的影响力；

局部网络中的任意两个节点之间存在着万有影响力，这个万有影响力的大小与两个节点的度中心度之间是正比例关系，其中与两个节点间距离的对数是反比例关系；

步骤3：单节点的重要性指标计算；

待计算节点的重要性指标由局部网络中的其它节点对它的万有影响力的和来表示；

重要性指标计算属于局部计算方法，在动态大规模社交网络中通过调节参数k的大小来平衡计算复杂度和准确性之间的关系；

步骤4：依据任务类型找到关键人物；

如果需要影响力最高或者最低的m个人，通过使用最大堆或者最小堆保存计算结果的方式实现一边计算结果一边筛选关键人物；如果需要知道所有人的重要性排序就必须对所有人的重要性指标值进行排序，得到关键人物的标号之后，依据步骤1保存的标号与人物的对应关系找出对应的关键人物；

其特征在于：

所述的相互影响力用MI(a，b)表示，则有：

其中，DC(a)为节点a的度中心度指标值，DC(b)为节点b的度中心度指标值，D(a，b)为节点a与节点b之间的距离即两节点之间的最短路径长度，e为自然对数的底数；

所述的单节点的重要性指标，用II(v)来表示节点v的重要性指标的大小，则有：

其中，v为待计算节点，G(v)表示节点v的局部网络。