[发明专利]一种基于三角结构的社会网络节点影响力度量方法

说明书

【技术领域】

本发明涉及一种基于三角结构的社会网络节点影响力度量方法，它应用于互联网数据挖掘、专家发现、意见领袖、病毒式营销、舆情分析等方面，属于数据挖掘技术领域。

【背景技术】

近年来,论坛、博客和微博等大规模社会网络的出现为节点影响力研究提供了新的契机,研究者所能获得的社会网络用户数据不仅规模有了空前提高,而且用户行为和用户内容也变得更加丰富。节点影响力的研究和建模不仅能够进一步帮助人们理解社会网络中的个体的行为方式,还能为制定公共决策和舆情分析提高理论依据,同时也有助于社会、文化、经济等领域的安全和发展,社会网络节点影响力研究具有十分重要的理论价值和应用价值。图论与概率统计等理论为度量社会网络中节点的影响力提供了坚实的理论基础。

度量影响力的目的是为了分析影响力的大小。人的社会性决定了人离不开与他人的交流,个体与个体之间通过各种关系连接形成社会网络的拓扑结构,通过将个体表示为网络拓扑结构上的节点,个体间的关系表示为网络拓扑上的边,最终形成社会网络的拓扑结构。

目前对于节点影响力的研究多从社会网络的拓扑结构出发，通过聚类系数和社团划分等算法进行初步处理，再进行节点影响力的度量。或者分析社会网络中用户行为的时序特征、内容特征或者用户的统计特征去度量社会网络中节点的影响力。

以上方法在实际应用中有以下几点不足：

(1)人工标注节点影响力，成本较高且带有很强的主观性。

(2)通过社团划分和聚类的方法在大规模社会网络中无论是在准确性还是实现性方面都很难取得很好的效果。

(3)分析节点的内容、行为等特征需要分析很多相关因素且对数据要求较高，无法达到快速有效的效果。

【发明内容】

以如何度量社会网络中的节点影响力为研究对象，提出了一种基于三角结构的社会网络节点影响力度量方法。

本发明的目的是提供一种自动、高效、准确的社会网络节点影响力度量方法，方法不仅适用于小规模社会网络，而且在微博等大规模社会网络中能够迅速找到影响力大的节点。

本发明的原理是：将用户和用户间的关系抽象为网络拓扑结构中的节点和连边形成社会网络拓扑图。以图为对象，结合当前节点与其邻居之间三角结构的数量和邻居节点的度值，度量当前节点与邻居节点之间的连边对当前节点影响力的贡献。然后计算当前节点的所有连接对节点影响力贡献之和，从而得到节点的最终影响力并通过排序可以得到影响力最大的节点子集。

社会网络中，三个节点之间两两连接形成三角结构，若两个节点之间形成三角结构的数量越多，则两个节点的联系越紧密，这两个节点处于联系紧密的小团体内部中的可能性较大，对于节点的全局影响力是起负面作用的。

本发明提供的技术方案如下，包括如下步骤：

步骤1：构造以社会网络中用户为节点，连接关系为连边的社会网络拓扑结构G；

用G＝(V,E)，V是G中所有节点的集合，E是所有连边的集合。其中|V|＝n、|E|＝m，表示G中有n个节点m条边。用e_i,j表示节点i和节点j的连边，若e_i,j＝1，则表示节点i和节点j之间存在连边，若e_i,j＝0，则表示节点i和节点j之间不存在连边。

步骤2：取V中C(i)未知的节点i，依次取节点i邻居节点集合N_i中的每个元素k，根据公式(1)统计节点i与节点k之间三角结构的数量T(i,k)以及节点k的度值D(k)；

T(i,k)表示节点i和节点k之间的形成三角结构的数量，计算方法如公式(1)所示：

T(i,k)＝|N_i∩N_k|,(1)

N_i表示节点i的邻居节点集合，N_i＝{j,e_i,j＝1且j∈V}。i,j为整数，i,j∈[1,n]且i≠j。同理，N_k是节点k的邻居节点集合。

D(k)表示节点k的度值，含义为节点k的邻居节点的数量D(k)＝|N_k|,N_k表示节点k的邻居节点的集合。

步骤3：根据公式(2)计算节点i的影响力C(i)；

若一个节点的邻居节点的度值很大且该邻居节点与当前节点之间的三角结构数量较少，则该邻居节点对当前节点的全局影响力贡献较大。节点i的影响力C(i)计算方法如公式(2)所示：