[发明专利]一种基于社会传感器优化的网络级联传播早期发现方法

说明书

本发明公开了一种基于社会传感器优化的网络级联传播早期发现方法。本方法为：对于目标领域的网络图G，设置一目标函数，并对该目标函数进行求解，得到一社会传感器集合S；其中，社会传感器集合S中的每一社会传感器对应于该目标领域的网络中的一节点；将该网络中该社会传感器集合S对应的节点作为信息采集节点，然后根据各所述信息采集节点采集的信息识别该网络中的级联信息。本方法重点在于区别对待网络中不同重要性的级联信息，减弱重要性低的级联信息对方法的影响，从而使用高效利用网络中的社会传感器更快、更全的发现重要的级联信息。

技术领域

本发明属于网络传感器-信息级联传播-级联异常检测技术领域，涉及一种基于社会传感器优化的网络级联传播早期发现方法。

背景技术

随着Web2.0技术的迅猛发展，世界各国的(在线)社交网络都经历了一个飞速发展的阶段，用户规模呈现出爆发式增长的趋势。社交网络本身具有的自由性和开放性的特点，使其成为了当代社会中重要的消息传播途径，社交网络也因此汇聚了前所未有的当代社会信息。与此同时，在社交网络中及时发现异常信息成为亟待解决的问题。

在污水检测中，给定水循环网络，放置传感器，我们能够及时发现水循环网络中的污染情况。同样，给定社交网络，在社交网络中选择节点放置社会传感器，监控这些节点，我们能够及时的探测到网络中经过这些节点的信息传播(信息级联)。通过在社交网络中放置社会传感器，我们能够及时检测到社交网络当中的信息传播，从而进行及时的舆情监控及引导。因此，异常信息检测的任务可以转化为社交网络中放置高效社会传感器的问题。为了更选出更高效的社会传感器，目前很多方法利用社交网络的结构信息，如节点的度、介数中心性等，同时也利用社交网络中的信息传播特征，如信息级联，时间戳等。

CELF是Jure Leskovec提出的从网络结构中寻找传感器从而尽早检测到信息流传播的方法。在寻找传感器的过程中，CELF利用了网络上的级联信息，如博文转发信息级联等，并提出了贪婪算法寻找网络结构中的传感器，使得传感器能够尽早的发现网络中的信息级联。

与此同时，最大入度法利用社交网络的结构信息也可以从网络结构中寻找传感器，并使得流经传感器的级联尽可能得多。

CELF算法和最大入度法都可以应用于网络中级联信息的早期发现，并有着不错的效果。但是在真实的网络中，相似的网络中，级联信息却存在着很大的差异，如水污染网络中的级联信息发生频率相对较少，社交通信网络中，通讯的级联信息发生的频率高，产生的级联数据也多。最大入度法，只考虑网络的静态结构，并未考虑网络中的级联信息。此外，此联信息本身有着不同的重要性，在水污染网络中，认为污染级联同等重要应当一视同仁，但是在社交网络中，不同的信息级联有着不同的重要性应当区别对待。在CELF算法中，算法尽可能尽早地发现所有的级联信息，并未对不同的级联信息进行区别对待。这种做法适用于级联信息同等重要的情节，而在社交网络中，不同的级联信息往往具备着不同的重要性，比如传播路径长的级联往往影响深远，这类级联信息应该尽早检测，传播路径小的级联往往重要性小，而且存在较多噪声。

目前的级联早期发现方法对网络中的级联信息同等对待，所以在使用中存在问题：

1.现有的方法大多数只利用了静态的网络结构信息，这类方法在实际的网络当中不能根据实际的级联传播进行相应的调整。

2.现有利用了级联信息的方法，对级联信息同等对待，不重要的级联会带来较多影响，影响方法的整体效果。

发明内容

本发明针对背景技术中描述的现状，提出一种基于社会传感器优化的网络级联传播早期发现方法。本方法重点在区别对待网络中不同重要性的级联信息，减弱重要性低的级联信息对方法的影响，从而使用高效利用网络中的社会传感器更快、更全的发现重要的级联信息。

本发明利用混合量纲的方法，增加重要级联的权重，使得本方法能够使用更少的传感器更快的检测到重要的级联信息。本发明利用可调节参数，使得方法根据具体需求应用于不同的网络当中。