[发明专利]一种不依赖时间信息的传播网络结构重构方法

说明书

本发明公开了一种不依赖时间信息的传播网络结构重构方法，首先根据收集到的结点感染状态数据来计算结点之间存在影响关系的概率以及影响关系的强弱，构造初始的影响关系图G₁；然后利用Kmeans聚类方法将图G₁中权重较小的边删除，即去除较弱的影响关系，得到影响关系图G₂；通过计算结点之间直接影响的强弱来更新G₂中每条边的权重，得到新的影响关系图G₃；使用Dset方法找到图G₃中影响强度过小的影响关系集合，即权重过小的边集合，删除G₃中这些影响强度过小的边，得到最终的影响关系图G。本发明不需要收集传播过程中结点的感染时间就可以准确地确定结点之间的影响关系，减少了数据收集的工作量，从而能够快速有效的推断出社会网络中潜在的影响关系。

技术领域

本发明属于信息传播领域，尤其涉及一种不依赖时间信息的传播网络结构重构方法。

背景技术

信息传播是社会网络的一个基本过程，分析社会网络中的信息传播方式可以指导我们在现实生活中的一些工作。例如疾病传播是一种常见的信息传播方式，掌握疾病传播的流向可以帮助我们做好疾病的防控工作，减少损失。在分析信息传播的方式时，主要的目的是依据已记录的传播轨迹数据来对重构传播网络结构，也就是推断组成网络的各个结点之间潜在的影响关系，来帮助研究人员直观的理解这种潜在的影响关系，从而能够更好地促进或阻止将来的信息传播过程。

已有的重构方法所利用的传播轨迹数据主要由网络中各结点在传播过程中的感染时间组成，认为在某一个时间段内感染的结点之间可能存在影响关系。但是结点的感染时间信息在许多自然传播过程中却难以收集，例如疾病传播，因为在流行病传播过程中要频繁地定期对患病情况进行全面的调查是费时和昂贵的。与收集结点确切的感染时间相比，观察每个节点的最终感染状态更为现实。而感染状态无法直接反映结点之间的影响关系，因而需要新的方法来基于结点的感染状态数据推断传播网络中的影响关系。

发明内容

为了解决上述技术问题，本发明提供了一种不依赖时间信息的传播网络结构重构方法。基于网络中各节点在传播过程结束之后的感染状态数据，首先利用统计方法来揭示结点之间潜在的影响关系，然后计算结点之间的影响程度来对已有的影响关系进行修正，从而确定最终的影响关系图。

本发明所采用的技术方案是：一种不依赖时间信息的传播网络结构重构方法，其特征在于：定义传播网络中潜在的影响关系图为G＝{V,E,W}，其中V＝{V₁,V₂,...,V_n}表示组成网络的n个结点；E是表示影响关系图中的有向边集合，若结点V_i能够影响结点V_j，则在影响关系图上存在一条从V_i指向V_j的有向边；W表示有向边上对应的权重集合；使用集合S＝{S₁,S₂,...,S_β}来记录网络中β次传播过程结束后的结果，其中表示第l次传播过程结束后网络中n个结点的感染状态，表示第l次传播过程结束后结点V_i的感染状态，表示第l次传播过程结束后结点V_i被感染，表示第l次传播后结点V_i没有被感染，1≤i≤n,1≤l≤β；

基于上述定义，所述方法包括以下步骤：

步骤1：依次考虑网络中的每个结点V_i，计算V除去V_i后剩余结点组成的集合{V_j|V_j∈V,V_j≠V_i}中每个结点V_j是V_i的父节点的概率P_pa(V_i|V_j)；