[发明专利]一种基于混合跳转的社交网络采样方法

权利要求书

1.一种基于混合跳转的社交网络采样方法，其特征在于，该方法包括如下步骤：

第一步：跳转节点集收集：

首先，选取N个不同的初始节点，采用BFS方法对社交网络分别进行N次采样，随机组合成样本集；然后，将所收集的数据中相同度的节点数据聚合到一个例表中，这个列表为k度跳转列表，其中k为节点的度值；定义跳转节点集为V’，其数据量为|V’|；

第二步：随机选取初始节点开始进行采样；

第三步：记录当前节点v和其所有邻居节点w；

第四步：随机挑选一个邻居节点，判断当前邻居节点w是否入样，如果α<Q_vw，其中α是[0,1]分布的随机数，采样进行到w节点，将w加入采样列表S；否则，进行第五步；

第五步：引入跳转度p判断采样是自循环，还是执行跳转策略，当β<p时，其中β是[0,1]分布的随机数，采样进行自循环，这意味着从当前节点v的其他邻居节点进行采样；否则，执行跳转策略，跳转到搜集的跳转节点列表中的节点。

第六步：重复执行第三至五步，直到获取足够的节点采样结束。

2.根据权利要求1所述的一种基于混合跳转的社交网络采样方法，其特征在于，所述跳转度p和跳转节点列表的参数确定方法如下：

步骤一：采用三次样条插值方法，对离散平均度数据点进行三维建模，从而得到平均度随跳转度p和采样k度跳转列表变化的三维平均度分布图；

步骤二：根据三维平均度分布图，找出样本的平均度随跳转度p和采样k度跳转列表变化的规律，确定跳转度p和采样k度跳转列表参数的最优值，在这里借助UNI方法衡量原始网络的平均度。