[发明专利]基于影响力最大化的社交网络关键节点识别方法及系统

权利要求书

1.一种基于影响力最大化的社交网络关键节点识别方法，其特征在于，包括以下步骤：

对于给定的社交网络，根据节点度值计算所有节点影响力的初始值；所述社交网络为真实网络；

计算所述节点影响力的初始值包括：

式中，SNR₀(v)为节点v的节点影响力初始值，N为社交网络的节点总数；neigh(v)为节点v的邻居节点集合；rankD(v)为节点v在节点度值降序排列中的排名；

对节点影响力进行排序，迭代更新节点影响力值，直到节点影响力值趋于全局稳定；当节点影响力值更新之前和更新之后，节点影响力的排序不变时，即达到所述全局稳定；

根据全局稳定的节点影响力值，依据影响力最大原则，进行关键节点识别。

2.根据权利要求1所述的社交网络关键节点识别方法，其特征在于，所述更新节点影响力值包括：

1)按照节点影响力值降序排列所有节点，得到节点v在所述节点影响力值降序排列中的排名rankS(v)；

2)根据节点影响力排列结果更新节点的影响力值；

3)判断节点的影响力值是否趋于全局稳定，是，则进入下一步；否，则返回1)重新排序。

3.根据权利要求2所述的社交网络关键节点识别方法，其特征在于，所述更新节点的影响力值包括：

其中，SNR(v)为节点v更新后的影响力值，N为社交网络的节点总数；neigh(v)为节点v的邻居节点集合；rankS(v)为节点v在所述节点影响力值降序排列中的排名。

4.根据权利要求2所述的社交网络关键节点识别方法，其特征在于，所述关键节点识别方法包括：

1)选取影响力最大的节点，将其放入关键节点集合；

2)从社交网络中删除放入关键节点集合的节点以及其所有邻居节点，更新网络结构；

3)判断社交网络中是否还有剩余节点，是，则迭代更新剩余节点的影响力值，直到影响力值趋于全局稳定后，再次进行关键节点识别；否，则关键节点识别过程结束，输出识别出的社交网络关键节点。

5.一种应用权利要求1-4任一项所述识别方法的基于影响力最大化的社交网络关键节点识别系统，其特征在于，包括：初始影响力计算模块、影响力迭代计算模块和关键节点选取模块；

所述初始影响力计算模块，用于根据给定的社交网络，按照节点度值降序排列所有节点，并根据节点度值降序排序结果计算所有节点影响力的初始值；

所述影响力迭代计算模块，用于对节点影响力值进行降序排列，根据排列结果计算得到新的节点影响力值再进行降序排列，迭代此过程，直至计算出的节点影响力趋于全局稳定；

所述关键节点选取模块，用于选取全局稳定的影响力最大的节点放入关键节点集合，并从社交网络中删除所述节点及其所有邻居节点，更新网络结构；之后判断更新后的网络中是否有剩余节点，是，则调用所述影响力迭代计算模块迭代更新剩余节点的影响力值直至全局稳定，再次进行关键节点识别；否，则关键节点识别过程结束，输出识别出的社交网络关键节点。

6.根据权利要求5所述的社交网络关键节点识别系统，其特征在于，所述初始影响力值计算模块包括：节点度值排序单元和初始影响力计算单元；

所述度值排序单元根据节点度值降序排列所有节点，并保存排序结果；

所述节点初始影响力计算单元根据所述节点度值降序排列结果计算所有节点影响力的初始值。

7.根据权利要求6所述的社交网络关键节点识别系统，其特征在于，所述节点初始影响力计算单元的计算函数为：

式中，SNR₀(v)表示社交网络节点v的初始影响力；N为社交网络的节点总数；neigh(v)为节点v的邻居节点集合；rankD(v)为节点v在所述节点度值降序排列中的排名。