[发明专利]一种基于权重更新的社交网络信任度学习方法

权利要求书

1.一种基于权重更新的社交网络信任度学习方法，其特征在于，所述方法包括如下步骤：

S1：导入网络集合G＝(V,E,W)，其节点集和连边集分别为V＝{v₁,v₂,...,v_n}和节点总数N；W为权重集合；

S2：选取智慧节点；对网络节点进行标号，设定标号为1的节点为智慧节点，为了研究这种学习方法的训练过程，假设整个网络有且仅有1个智慧节点；

S3：初始化权重；在网络中每条有向连边从v_j指向v_k的权重都分配一个固定常数0.5，即，w_jk＝0.5，权重w_jk表示v_k对v_j的信任度；

S4：基于级联信息传播的学习方法；随机选择一个网络中的节点v_j，作为信息传播的源节点，如果源节点v_j为智慧节点，只发布真消息；如果源节点v_j为普通节点，以同等概率发布消息或假消息；当一个节点v_k观察到来自它的邻居节点的消息时，它将首先随机选取其中一个相邻的邻居节点，表示为v_j，然后级联信息传播模型如下：

如果v_k是一个智慧节点，如果这是真消息，它将该消息转发的概率p＝η，否则拒绝发布；

如果v_k是一个普通节点，它将该消息转发的概率p＝η·w_jk，不管它是真的还是假的，0≤η≤1是自然转发率；

在信息传播过程中，每次迭代t，如果v_k观察到的是真消息，根据以下公式(1)更新权重：

在信息传播过程中，每次迭代t，如果v_k观察到的是假消息，根据以下公式(2)更新权重：

其中，Δ＝0.001为更新参数，并且防止产生信息传播阻隔；

每一个节点只有一次机会传播，传播不成功则不再继续传播，当网络中能够看到信息的节点，已经全部被转发询问后停止，记为1次传播过程；设定循环次数M，即重复M次传播过程，权重更新达到平稳状态；

S5：计算网络信息过滤能力指标；经过学习方法训练之后，固定更新后的权重，计算传递真实消息和错误消息的节点的数量，分别由N_T和N_F表示；然后，定义真正的消息传输能力TTA和假消息传输能力FTA，如下：

在此基础上，进一步定义一个社交网络的信息过滤能力IFA，如下：

比较训练前后网络的IFA的变化以及网络结构对IFA的影响。