[发明专利]一种赛博平台经济网络中用户影响力检测方法

说明书

本发明属于信息监测技术领域，公开了一种赛博平台经济网络中用户影响力的检测方法，实现在大规模数据下优化的赛博平台经济网络对用户节点影响力行为的监测工作；采用H指数的变形和最关键路径变化率结合的方法，使得监测用户影响力行为的准确性快速提高；提供的赛博平台经济网络构架下的稀疏社交网络，采用构造低维映射矩阵的方法降维，在不影响预测性能的条件下有效地处理了在大规模数据下以较快的速度对用户影响力行为的检测。本发明通过提取更加有效的基于网络相似连接的社会维度来获得用户节点的隐藏关联，在平台经济网络内具有高效的监测能力；本发明可应用于大规模数据下赛博平台经济网络领域，具有广泛的应用前景。

技术领域

本发明属于信息监测技术领域，尤其涉及一种赛博平台经济网络中用户影响力检测方法。

背景技术

专利CN107092648A公开一种微博网络中节点影响力计算方法。该专利利用微博中的节点和关注信息构建微博影响网络，将微博网络中的节点划分为若干个连通子图，在每个连通子图中计算节点的影响力。通过对于微博信息传播控制节点选择的研究以影响力矩阵为基础，采用拉普拉斯变换的方法，使得节点影响力的计算收敛。

综上所述，现有技术存在的问题是：

现有经济网络用户节点影响力行为监测工作，处理大规模数据矩阵没有进行有效降维导致速度慢，且检测节点影响力的检测不够准确。随着数据集的增加，所构建的连通图也逐渐复杂，同时数据的降维过程的使用重要性也随之凸显，维度越高，数据在每个特征维度分散了。

本发明基本原理是将样本点从输入空间通过线性或非线性变换映射到一个低维空间，从而获得一个关于原数据集紧致的低维表示。本方法降低了维度，便于计算和可视化，其更深层次的是在于有效信息的提取综合及无用信息的摈弃。现有技术对于节点影响力的检测依靠最短路径长度来获取影响因子，未能综合考虑网络特点。本发明提出结合H～指数与最关键路径变化率结合起来计算节点影响力。将路径与网络错综纷杂的关系结合起来，综合计算出节点影响力，增加了检测的准确性。

发明内容

针对现有技术存在的问题，本发明提供了一种赛博平台经济网络中用户影响力检测方法。

本发明是这样实现的，一种赛博平台经济网络中用户影响力检测方法包括以下步骤：

步骤一，使用数据收集器收集节点信息，并使用数据选择器去分离所有的带标签节点和无标签节点；提炼网络数据后，使用{0,1}来表示节点间的关系，由此获得关系矩阵。

步骤二，降低平台经济网络协作用户数据维度；

利用带标签节点和无标签节点之间的距离求取内积矩阵，进一步求出最大关系矩阵，利用关系矩阵Z构造邻接矩阵，再对邻接矩阵进行特征值分解，得到一个低维矩阵；在此过程中要求原始空间中样本之间的距离在低维矩阵中得以保存，保留了原始空间中数据间重要的关系相关性。

步骤三，采用H指数的变形指数和最关键路径变化率构建的公式M来求出节点的影响力大小，选出M值最大的个节点，作为社团的初始中心点；

最后根据模块度函数来构造适用于大规模数据的分类器，再综合计算每个样本节点的用户行为影响力，即是计算该样本节点与所有邻居节点的相似性。

步骤四，通过Macro-F1和Micro-F1敏感性来发现该模型的性能，根据Ent(V)的值的大小，判断V的纯度，以此来衡量用户影响力行为检测系统的性能，从而可以实现大规模的赛博平台经济网络用户影响力行为监测。

进一步，所述赛博平台经济网络中用户影响力检测方法包含六个模块：数据收集模块、关系构建模块、数据维度约减模块、判别学习模块以及评价模块。