[发明专利]一种社交网络中的不良实体传播抑制方法

权利要求书

1.一种社交网络中的不良实体传播抑制方法，其特征在于：包括以下步骤：

S1：假设存在一个无向无权网络G，基于SIR模型的游走策略，假设以网络G中某个节点为不良实体传播的起始点，在图中进行游走采样，记录该起始点的不良实体传播路径，构建语料库，同时记录被该起始点传染的节点ID列表，重复以上操作直至遍历所有节点；

S2：将步骤S1所述语料库置于word2vec模型中训练，使用训练完成的模型，构建节点特征矩阵，计算节点相似性矩阵，获得网络G中各个连边的节点对相似度sim1；

S3：根据步骤S1所述网络G中以不同节点为起始点的被传染节点ID列表，计算网络G中各个连边的节点对之间存在相同的被传染节点ID的数量，归一化计算网络G中各个连边的节点对相似度sim2；

S4：将sim1和sim2的加权平均数作为网络G中连边的权值，排序连边权值，删除top-k的连边能有效抑制不良实体的传播。

2.如权利要求1所述的一种社交网络中的不良实体传播抑制方法，其特征在于：所述步骤S1包括：

假设存在无向无权社交网络G＝(V，E)，V是网络中节点的集合，E是网络中连边的集合，构建SIR模型，设置时间窗口为days＝100，设置感染率β＝0.1，设置恢复率γ＝0.05，以网络中的某个节点为初始感染者，其余节点为易感者，记录该节点感染传播的路径，构建语料库，同时记录被该起始点传染的节点ID列表，重复以上操作直至遍历网络G中的所有节点。

3.如权利要求1所述的一种社交网络中的不良实体传播抑制方法，其特征在于：所述步骤S2包括：

将所有所述传播路径组成列表格式，作为语料库输入word2vec模型中，设置vector_size＝64，即节点嵌入的维度为64，构建词汇表并且训练，保存训练完成的模型，构建节点特征矩阵，其维度应为|V|×64，计算节点之间的余弦相似度，如下式(1)：

其中X，Y分别为64维的节点特征向量，构建以余弦相似度为矩阵元素的对称矩阵|V|×|V|，可以根据网络G中的连边[a，b]检索位于相似矩阵中第a行、第b列对应的值为sim1_a，b，即为连边[a，b]的一个相似度。

4.如权利要求1所述的一种社交网络中的不良实体传播抑制方法，其特征在于：所述步骤S3包括：

根据步骤S1所述网络G中以不同节点为起始点的被传染节点ID列表，计算网络G各个连边的节点对之间存在相同被感染节点ID的数量，记为num，构建节点对和相同节点ID数量的嵌套列表，例如[[a，b，num_a，b]，...]，其中a，b为节点，num_a，b代表节点对[a，b]之间相同被感染节点ID数量，归一化计算网络G中各个连边的节点对[a，b]相似度sim2_a，b，如下式(2)：

其中，num_a，b表示节点对[a，b]之间存在相同被感染节点ID的数量，num_max和num_min表示所有节点对中相同被感染节点数量的最大值和最小值。

5.如权利要求1所述的一种社交网络中的不良实体传播抑制方法，其特征在于：所述步骤S4包括：

将sim1_a，b和sim2_a，b的加权平均数作为网络G中连边的权值，如下式(3)：

sim_a，b＝0.5×sim1_a，b+0.5×sim2_a，b (3)

将sim_a，b作为连边的权值写入网络G的边列表，根据权值从大到小对所有连边进行排序，删除其中top-k的连边可以有效抑制不良实体的传播。