[发明专利]一种适用于面向文件共享的移动社交网络的信息传播预测方法

摘要

本发明提出了一种适用于面向文件共享的移动社交网络的信息传播预测方法，给出了如何有效确定种子节点的方法，使得种子节点的选取更加合理、有效；同时给出了一种简化网络结构的方法，在不影响整体传播的基础之上，剔除那些对信息传播没有影响的节点，提高传播的效率。并通过该模型构建节点影响力计算和经典节点权威值计算的桥梁，进而研究了大规模社交网络上的信息传播最大化策略，为大规模社交网络中的信息传播预测和计算提供了一种高效解决方法。

主权项

1.一种适用于面向文件共享的移动社交网络的信息传播预测方法，其特征在于，包括以下步骤：(1)信息收集：从社交网络中收集数据，分布式存储到由若干台服务器；(2)信息预处理：从本地读取数据，从每条数据中抽取发消息用户和收消息用户；根据从所有数据中抽取出来的发消息用户和收消息用户，构建社交网络图Ga；其中，所有不重复的发消息用户和收消息用户在图中以顶点存在，每对发消息用户和收消息用户在图中以边的形式存在；(3)种子节点选择：步骤1：读取社交网络图Ga存储在服务器的节点信息和边信息，结合图信息，根据factordegree(i)＝degreeout(i)/(degreeout(i)+degreein(i))，为每个节点计算度因子，其中factordegree为度因子，vi为节点；步骤2：计算每个节点的Pagerank值，该值可通过PageRank算法获得；步骤3：根据Factorseed(i)＝factordegree(i)*rank(factordegree(i))计算每个节点的种子因子，其中Factorsee为种子因子，rank(factordegree(i))表示vi的度因子在所有节点度因子的重要程度；步骤4：对所有节点的种子因子进行降序排列，选择排名前n的节点作为种子节点(4)非激活节点剔除：vi邻居节点对vi的影响力记作inf(i)，vi的活跃性记作act(i),vi和vj之间的紧密性记作close(i,j)，且inf(i)＝∑j∈N(i)(act(i)*close(i,j)),步骤1:每台服务器对于存储在本地的节点，计算该节点参与信息传播的频率，将此频率作为该节点的活跃性；步骤2:每台服务器对于存储在本地的边，计算每条边相关联的2个节点所代表的2个用户之间的紧密性；步骤3:每台服务器计算存储在本地节点的影响力inf。步骤4:每台服务器检查存储在本地的各个节点的影响力，如果影响力的值小于预定义值‑θ，将该节点以及该节点对应的边从社交网络图Ga中剔除。(5)文件传播规模预测:记(4)中剔除了相应节点后的图为Ga且Ga＝(Va,Ea)，记种子节点存储在seeds中，文件传播规模预测的具体步骤如下：步骤1.令设置ξ的值；步骤2.将种子节点存入curNodes；步骤3.将种子节点加入activeNodes；步骤4.由主服务器检查条件(|newNodes|/|va|>ξ)是否满足。如果满足，执行步骤6；否则执行步骤5；步骤5.主服务器检查条件(newNodes＝＝Φ)是否满足。如果满足且i＝0，执行步骤6；否则，执行步骤10；步骤6.将curNodes中的节点分发给从服务器，之后将curNodes清空；步骤7.每个从服务器对收到的节点做如下计算：步骤7‑1.一次从收到的节点中选择一个节点；步骤7‑2.计算选出的这个节点的邻居节点；步骤7‑3.剔除邻居节点中处于非激活状态的节点；步骤7‑4.根据式(3)计算当前节点的影响力；步骤7‑5.如果当前节点的影响力大于预定义的阈值θ，将当前节点标记为激活状态，加入newNodes‑slave；步骤8.每个从服务器将newNode发给主服务器，之后置newNodes为Φ；步骤9.主服务器收到每个节点发送的newNodes，将newNodes中的节点加入curNodes和activeNodes；令i＝i+1，执行步骤4。步骤10.计算activeNodes中节点数，将其作为文件的传播规模。