[发明专利]基于社交用户隐特征表示的网络群体形成机制发现方法

说明书

本发明提供一种基于社交用户隐特征表示的网络群体形成机制发现方法，涉及网络技术领域。包括以下步骤：基于用户连接关系构建社交网络；利用node2vec方法学习获得所述社交网络的隐特征表示；基于所述社交网络的隐特征表示生成不同影响机制下的网络；分析所述不同影响机制下的网络特性，确定真实网络的形成机制。本发明结合选择机制和影响机制，基于用户隐偏好动态生成网络，更加形象的刻画了真实社交网络的变化，从而更加准确的确定真实网络的形成机制。

技术领域

本发明涉及社交网络技术领域，具体涉及一种基于社交用户隐特征表示的网络群体形成机制发现方法。

背景技术

随着Web2.0应用以及其他各种类型的社会媒体的发展，在线社交网络(onlinesocial networks，OSN)已经成为人们网络生活的最主要平台，在这些平台上，用户并不是单独存在的，他们可能会受社会选择或者社会影响等机制影响而形成社交连接或加入群体，社会选择表示用户因为兴趣而产生关注等连接关系，社会影响表示用户受到网络中重要影响力用户的影响而产生关注等连接关系。

现有的关于网络生成机制的研究多是认为用户更倾向于通过连接高度数节点来获得信息，这种影响机制下形成了BA网络生成模型，但是该模型却没有考虑到社交网络中其他重要的特性，如聚类和社区结构等。一些研究表明用户不仅会连接高度数节点，而且他们也会因为个人兴趣和少数低度数节点相连，因此，这种因为偏好相似而形成关系的社会选择也是网络进化形成的重要机制。这种社会选择可被理解成显性同质性和隐性同质性两种，前者表示用户偏好在显性属性上的相似性，如年龄、地点等，后者表示用户偏好在某些隐偏好上的相似性。这种选择机制下，如空间随机图模型，可以刻画社交网络的一般特性，如“小世界”、幂律度分布和高聚类性，然而这些模型在研究社交网络生成进化机制时，是需要明确网络大小的。最近的考虑选择和影响机制的研究，如亲密模型(kinship model)用相同颜色来表示节点间的亲密程度，新节点的加入会根据度来判断其是选择现有颜色还是新颜色；如流行度相似性模型(popularity similarity model，PS)，流行度被视为节点生成时间，相似性被用于度量两节点的角距离，新节点的加入是基于极坐标上双曲线距离选择最近的m个节点进行连接。但是这些模型只是表达了真实网络的一些特性，对于选择和影响机制在网络形成过程中如何影响节点连接、边的变化等，都没有更加深入的研究。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于社交用户隐特征表示的网络群体形成机制发现方法，可解决选择和影响机制在网络形成过程中影响的技术问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种基于社交用户隐特征表示的网络群体形成机制发现方法，包括，

基于用户连接关系构建社交网络；

利用node2vec方法学习获得所述社交网络的隐特征表示；

基于所述社交网络的隐特征表示生成不同影响机制下的网络；

分析所述不同影响机制下的网络特性，确定真实网络的形成机制。

进一步的，所述利用node2vec方法学习获得所述社交网络的隐特征表示；包括：

通过随机游走过程构建邻居用户集；

针对社交网络，构建目标函数；

由所述目标函数获得邻居用户集的似然函数；

对所述似然函数所表征的特征点积单元化；

通过随机梯度上升的方法不断优化，学习获得较优的用户隐特征矩阵。

进一步的，所述基于所述社交网络的隐特征表示生成不同影响机制下的网络；包括：