[发明专利]一种社交网络重要用户发现的实现方法

说明书

技术领域

本发明涉及一种社交网络重要用户发现的实现方法，属于网络通信技术领域。

背景技术

重要节点是相比网络中其他节点而言，对整个网络的结构和功能够能产生巨大作用的少量节点。近年来，学者在重要节点排序上提出了很多指标和算法，主要有以下几个方面：1.基于节点邻居节点的排序方法，如在文献BonacichP《Factoringandweightingapproachestostatusscoresandcliqueidentification》(JournalofMathematicalSociology.1972,2(1):113-120)提出度中心性(degreecentrality)，即节点的邻居节点越多其影响力越大，其缺点是仅仅考虑了节点的局部信息；2.基于路径的排序方法，如文献FreemanLC《Centralityinsocialnetworksconceptualclarification》(SocialNetworks,1978,1(3):215–239)提出接近中心性(closenesscentrality)，通过计算节点与网络中其他所有节点距离平均值来衡量节点的重要性，缺点是时间复杂度比较高；3.基于特征向量的排序方法，如文献BrinS《TheAnatomyofaLarge-ScaleHypertextualWebSearchEngine》(ComputerNetworks&IsdnSystems,1998,30(98):107–117)提出PageRank算法，该算法认为每一个节点的重要性取决于指向它的其他节点的数量和质量，缺点是容易陷入悬挂节点。文献LüL《LeadersinSocialNetworks,theDeliciousCase》(PlosOne,2011,6(6):e21202)和文献LiQ《IdentifyinginfluentialspreadersbyweightedLeaderRank》(PhysicaAStatisticalMechanics&ItsApplications,2014,404(24):47-55)提出LeaderRank算法在PageRank算法的基础上，通过加入了一个背景节点，该节点与网络的所有节点双向连接，来替代PageRank算法中跳转概率s，从而提高了算法的收敛速度和鲁棒性。4.基于节点的移除和收缩的排序方法,通过移除节点对网络的破坏性来衡量节点的重要性，但其计算复杂度高。现有的算法大多考虑节点在全局中的重要性或者局部重要性，忽略了节点间相互作用对整个网络的影响。

SIR模型是传染病模型中最经典的模型，其中S代表易感者(Susceptible)，指未得病者，但缺乏免疫力，与感染者接触后容易收到感染；I代表感染者(Infective)，指染上传染病的人，它可以传播给S类成员；R代表移除者(Removal)，指，指被隔离，或因病愈而具有免疫力的人。通常使用SIR传播模型，来验证重要节点排序算法的有效性。一般情况下，所选择节点的传播速度越快，即一定时间内I状态节点个数增长速度越快，节点越重要。而本发明能够很好地解决上面的问题。

发明内容

本发明目的在于克服上述现有方法的不足，提供一种社交网络重要用户发现的实现方法，该方法基于LeaderRank算法和节点相似度的重要节点发现算法，提高网络的鲁棒性，减少迭代次数，并且可以解决如PageRank算法在节点随机游走的情况下陷入悬挂节点的问题。

本发明解决其技术问题所采取的技术方案是：本发明应用于社交网络关注关系的网络下，对网络中节点进行重要度排序，其直接的目的不是动态的抓取网络中的重要节点。本发明的方法结合现有的社交网络，不是动态的抓取现有的社交网络中的关注关系，给出重要节点。

本发明的方法是基于固有的社交网络，并采用MATLAB平台作为可视化软件，将网络的重要节点排序结果给出。

本发明在计算节点重要度时，充分考虑节点的全局和局部特征，考虑节点对相互作用的力度不同，即存在亲疏远近的关系，从而给出重要度计算方法。

方法流程：

步骤1：对要求分析的社交网络通过关注关系构建信息收听网络Aij，采用LeaderRank算法，计算得到每个节点的全局重要度；

步骤2：采用定义的相似度计算两两节点的相似度，作为节点局部相互作用；

步骤3：采用SimRank算法，计算得到节点的重要度，对其进行排序；

步骤4：采用SIR传播模型，对比其他经典算法，验证有效性。