[发明专利]一种属性网络的群体发现方法及系统

权利要求书

1.一种属性网络的群体发现方法，其特征在于，包括以下步骤：

S1：获取属性网络中所有用户间的交互行为数据；

S2：对所获取数据进行预处理，根据用户间的交互关系建模复杂网络结构，并提取各节点的属性信息；

S3：根据网络节点的度中心性度量和相对距离定位拓扑网络中的聚类中心节点，并分配群体标签；

S4：基于网络拓扑结构和属性信息，将网络邻接矩阵转换成相似矩阵，并将节点属性合成属性矩阵；

S5：基于相似矩阵、节点属性矩阵及初始群体标签，构建多层图卷积模型进行群体发现，获得属性网络的群体发现结果；

S6；利用聚类精确度和标准互信息度量对得到群体发现结果进行评价；

其中，所述步骤S3进一步包括：

S31：基于构建的属性网络，计算各节点的度中心性D：

D(i)＝Degree(v_i),i∈[1,N]

其中v_i表示网络中的第i个节点；Degree(v_i)表示节点v_i的度中心性，即节点v_i的邻居节点个数；N为网络总节点数量；

S32；计算属性网络中每个节点的平均度中心性，将度中心性大于平均度中心性的节点作为候选聚类中心节点加入队列C；

S33：对C中的候选中心节点按度中心性值大小降序排列；

S34：选取第一个候选节点作为第一个聚类中心节点；

S35：设置截断距离参数d_c，计算当前候选队列队C中所有候选节点与第一个结构中心节点间的距离最短路径长度d_sp，如果一个候选节中心点满足d_sp≤d_c则将该中心节点从候选队列中删除，否则作为第二个候选聚类中心节点继续保留在候选队列中；

S36：反复执行步骤S35，直到识别出所有的结构中心节点，并分配群体标签；

其中，所述步骤S4进一步包括：

S41；基于网络拓扑结构，计算网络用户节点间的局部相似度；节点间的局部相似度s通过如下公式计算：

其中，N(v_i)表示与节点v_i相连的邻居节点集合,||·||表示一种范数，在这里计算集合中元素的个数，同时定义：如果i＝j，则s_ij＝1；

S42：将网络拓扑结构用相似矩阵形式S＝{s_ij}表示，全部节点属性合成矩阵X＝{x_i}表示，其中x_i为节点v_i对应的属性向量；

其中，所述步骤S5进一步包括：

S51；构建三层图卷积网络模型,其输出Z可表示为：

Z＝softmax(SReLU(SReLU(SXW⁽⁰⁾)W⁽¹⁾)W⁽²⁾)

其中，ReLU和softmax表示两个激活函数；具体地，激活函数ReLU定义为ReLU(z_i)＝max(0,z_i)，用来提取节点v_i对应的输出z_i的非线性特征；激活函数softmax定义为|C|表示聚类中心节点队列的长度，即群体结构的数量；W⁽⁰⁾、W⁽¹⁾及W⁽²⁾分别表示该模型每一层的权重矩阵，在随机初始化后通过训练过程获得自动更新；

S52；基于S3所得到的聚类中心节点的标签集合，将该初始标签集合和属性矩阵同时输入上述模型进行训练；

S53；在模型参数不再更新后结束训练，根据softmax的输出将相同标签的节点划分为同一群体，最终得到属性网络的群体发现结果。

2.根据权利要求1所述属性网络的群体发现方法，其中，所述属性网络类型包括以下中的至少一种：

移动通信系统中的用户关系网络；

社交媒体领域中的社交网络；

金融风控领域的交易网络。

3.根据权利要求1所述属性网络的群体发现方法，其中，群体类型包括以下中的至少一种：

移动通信网络中的消费群体；

社交网络中的兴趣群体；

风控领域的欺诈群体。