[发明专利]一种基于引力场思想的集群间影响力建模方法及存储介质

说明书

本发明涉及一种基于引力场思想的集群间影响力建模方法及存储介质，其中集群间影响力建模方法包括：步骤1：基于Louvain算法进行集群划分；步骤2：计算单个集群源影响力；步骤3：构建集群间引力矩阵；步骤4：完成集群间影响力建模。本发明中的集群间影响力建模方法将社交网络中的集群间影响力与物理学中的引力场中静止点电荷之间的相互作用力进行映射，观点集群映射为引力场中的电荷，类比库伦定律计算集群间影响力，为在线社交网络中的信息传播、影响力最大化和群体现象等方面提供了新的思路，为集群间影响力提供了有效的建模方法。与现有技术相比，本发明具有有效实现集群间影响力建模等优点。

技术领域

本发明涉及社交网络影响力计算技术领域，尤其是涉及一种基于引力场思想的集群间影响力建模方法及存储介质。

背景技术

由于社交的开放性、匿名性，用户发布信息的自由性、趋同性等特点，使得社交网络成为观点信息的发展平台。而支撑观点快速扩散传播的正是由持有相似或相反观点的用户自组织促成的网络群体。恶意观点、谣言的传播离不开网络群体的推波助澜，在话题发酵过程中，用户之间不断地信息交互，最终观点相似的用户便组成一个集群。与个体间影响力相似，当集群规模越来越大时，不同集群间也会造成影响，对整个群体的观点演化造成影响。

目前，群体间影响力的研究课题也引起了广泛学者的关注，研究者从群体角度对在线社交网络中的信息传播、影响力最大化和群体现象等方面开展了研究，然而还未出现针对群体影响力系统而全面的分析和研究，也没有针对性的建模方法。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种有效实现集群间影响力建模的基于引力场思想的集群间影响力建模方法及存储介质。

本发明的目的可以通过以下技术方案来实现：

一种基于引力场思想的集群间影响力建模方法，所述的建模方法包括：

步骤1：基于Louvain算法进行集群划分；

步骤2：计算单个集群源影响力；

步骤3：构建集群间引力矩阵；

步骤4：完成集群间影响力建模。

优选地，所述的步骤1具体为：

步骤1-1：进行模块度优化；

通过移动节点到最大模块度增量所在的邻居集群进而优化模块度，若所有节点均无需移动，则模块度优化阶段结束；

步骤1-2：进行网络聚合；

构造新的网络，然后返回步骤1-1，直到不存在任何改变集群结构的节点，然后执行步骤2。

优选地，所述的步骤2具体为：

将单个集群抽象成一个源影响力为Q值的超节点，源影响力Q量化了集群内部的网络拓扑信息和节点属性，具体包括集群的影响程度、重要程度、活跃程度、制衡程度，将其数值加权计算结果进行归一化处理，从而得到每个集群的源影响力，即Q值。

更加优选地，所述的集群影响程度为：

其中，|V|为网络中总个体数；|V_clu|为集群中个体数。

更加优选地，所述的集群重要程度为：

其中，D_j为与节点j直接相连的节点个数；为集群i中所有节点的度；为整个社交网络中所有个体的度。

更加优选地，所述的集群活跃程度为：