[发明专利]基于社区结构的社交网络影响力阻断最大化方法

说明书

本发明公开了一种基于社区结构的社交网络影响力阻断最大化方法。该方法包括以下步骤：(1)使用社交网络节点的扩展h‑index中心性来选择候选种子节点。(2)以这些种子节点为起点，利用标签传播算法发现社交网络中的社区。(3)计算社交网络社区的关系矩阵及当前关系矩阵的模块度来对社区进行合并，将合并后的社区中具有最大度的节点添加到初始种子节点中。(4)计算初始种子节点的标签度量等级。(5)根据节点标签度量排序获得社交网络中具有最大阻断影响力的k个节点。本方法综合考虑了社交网络的社区结构、社交网络节点的中心性，整体运算时间短，筛选出影响力阻断种子节点的阻断性能好。

技术领域

本发明属于网络技术数据挖掘技术与社会网络研究领域，特别涉及一种基于社区结构的影响力阻断最大化方法。

背景技术

在当前社会中，在线社交网络已经成为传播信息的最重要媒体之一。近年来对在线社交网络影响力最大化的研究逐渐成为研究热点。其目的是选择k个源用户，通过这k个用户的信息传播，来最大限度地扩散信息，以影响尽可能多的人。然而，关于影响力最大化的研究往往关注的是社交网络中的单个消息传播，没有考虑到可能存在的其它信息源的影响。影响力阻断最大化是针对网络中多种信息源竞争传播场景下的影响力最大化应用。影响力阻断最大化的目标是选择k个用户，通过这k个用户的信息传播，来扩散信息，以最大限度的阻断竞争对手信息的传播。影响力阻断最大化在产品竞争、谣言抑制等领域应用广泛。然而，现有针对影响力阻断最大化的研究往往采用单一传播模型作为传播框架，无法较好地呈现竞争信息的传播过程，并且研究主要针对的是用户个人，没有考虑通过用户的社区性加快用户阻断影响力筛选，时间复杂度高，阻断性能较差，不适合在大规模网络中应用。

发明内容

为了克服现有的影响力阻断最大化方法计算时间复杂度高，阻断性能较差，不适合在大规模网络中应用的不足，本发明提出了一种基于社区结构的社交网络影响力阻断最大化方法，该方法通过使用社交网络中节点扩展h指数中心线初步选择初始种子节点，对初始化种子节点分配初始标签并进行标签扩散，对扩散后形成的社区进行社区合并，根据合并后的社区计算网络节点的标签度量等级并排序，选择前k个节点。具有计算时间复杂度低，阻断性能好且适合在大规模网络中应用的特点。

本发明解决其技术问题所采用的技术方案：基于社区结构的社交网络影响力阻断最大化方法，其特点是包括下述步骤：

(a)社区种子节点筛选。

本发明使用扩展的h-index中心性度量来进行社区种子筛选，节点v的扩展h-index公式如下：

Extendedh-index(v)＝h-index(v)+∑_u∈N(v)h-index(u) (1)

式中N(v)是v的邻居集。节点v的扩展h-index等于v的h-index加上节点v的所有邻居的h-index之和。节点的h-index被定义为最大值h，使得该节点至少有h个邻居，每个邻居的度数为h或更多，h-index可以用累积函数表示为c_h(v)≥h，其中c_h(v)＝|{u|u∈N_v且d_u≥h}|，d_u是节点u的度。

(b)使用标签传播方法形成社区集合。

最初，每个种子节点都被分配了一个唯一的标签，其余的节点没有标签。然后在每次迭代中，将特定节点的标签更新为其邻居中出现次数最多的标签。如果多个标签在相邻节点中出现的次数都为最大出现次数，则将多个标签都分配给该节点。分配完后允许单个节点具有多个标签，表示一个节点可能是多个社区的一部分。具有共同标签的节点属于同一个社区。每个节点获得的新标签集的更新方式如下：