[发明专利]一种社交网络的异常检测与优化方法、系统及计算机设备

权利要求书

1.一种社交网络的异常检测与优化方法，其特征在于，包括以下步骤：

S1、根据社交网络构建图数据，获得图数据的邻接矩阵，采用重构算法对图数据进行强化去噪，得到重构社交网络，具体包括：

S11、以社交网络中的用户为节点、用户之间的关系为边构建一个无向图作为图数据，并将图数据用邻接矩阵表示；

S12、构建低秩自表示网络模型，即：

其中，E为误差项；X为社交网络的邻接矩阵，邻接矩阵表示为X∈R^n×m，即邻接矩阵为一个m×n维的矩阵，邻接矩阵的每一列被视为一个局部结构，第i列的局部结构表示为：X_:,i表示邻接矩阵第i列的局部结构；D_:,k表示局部结构X_:,k的基矩阵，Z_k,i是基矩阵D_:,k的权重；Z为社交网络的表示矩阵，rank(·)表示矩阵的秩，λ为平衡参数，||·||_2,1表示矩阵范数；

使用增广拉格朗日乘数方法得到最优表示矩阵和误差矩阵；

S13、通过最优的表示矩阵和基矩阵获得重构社交网络的链路存在可能性矩阵SM，即：

SM＝XZ^*+(XZ^*)^T；

其中，X为基矩阵，Z^*为通过优化的表示矩阵，上标T表示矩阵的转置矩阵；

S14、将矩阵SM以条目符号分为正分量SM⁺和负分量SM^-；

S15、若正分量SM⁺中的条目在邻接矩阵X中存在，则排除该条目，剩余条目中链路的似然性高于阈值的条目为缺失的链路；

S16、若负分量SM^-中的条目与在邻接矩阵X中没有，即对应项为0，则该条目对应的链路为虚假链路；

S2、定义规则性水平来评估重构社交网络的规则性水平，计算网络链路的似然性；

S3、在重构的社交网络中，按升序对链路的似然性进行排序，并获得排名列表；

S4、从排名列表的第一项开始依次遍历排名列表，计算若移除当前项后社交网络的规则性水平，如果当前规则性水平有所提高，则移除该项对应的链路；

S5、输出经过步骤S4优化后的社交网络。

2.根据权利要求1所述的一种社交网络的异常检测与优化方法，其特征在于，所述规则性水平表示为：

其中，σ_r表示规则性水平，n为表示矩阵的维数，r为表示矩阵的秩，a为表示矩阵中的非零条目的数量。

3.根据权利要求1所述的一种社交网络的异常检测与优化方法，其特征在于，计算网络链路的似然性包括：网络链路的似然性通过其首末两端的节点的重构似然性来估计，表示为：

U_i,j＝RC(i)×RC(j)；

其中，U_i,j表示节点i与节点j之间的链路的似然性；RC(k)表示网络节点k的重构似然性，RC(i)表示网络节点i的重构似然性，RC(j)表示网络节点j的重构似然性，Z_k,i表示基矩阵D_:,k的权重，|·|表示绝对值，n表示矩阵的维数。