[发明专利]基于节点活跃度的社交网络信息传播方法

说明书

本发明公开了一种基于节点活跃度的社交网络信息传播方法，主要解决现有技术中存在的以下问题：(1)只根据节点的影响力作为种子节点的选择标准；(2)节点影响力之间存在严重重叠。本发明的实现步骤为：(1)建立RIC模型；(2)确定每个节点的活跃度；(3)建立种子集合；(4)确定当前种子集合的激活节点集合；(5)更新种子集合；(6)重复步骤(4)和步骤(5)，直到种子集合大小等于种子预算值；(7)通过种子节点进行信息传播。本发明综合考虑种子节点的两个选择标准，逐步进行种子集合的选择，使单个种子节点具有较大的影响力增量，使整个种子集合获得更大的信息影响范围。

技术领域

本发明属于网络技术领域，更进一步涉及社交网络技术领域中的一种基于节点活跃度的信息传播方法。本发明通过得到的种子集合中的种子节点与相邻节点进行信息传播，得到最终信息影响范围值。

背景技术

在社交网络的信息传播方面，影响最大化问题就是使信息传播范围达到最大。例如要在微信上推广一款产品，那么可以选择一部分用户进行产品的免费体验，意在通过他们的推荐使产品在尽可能大的范围内传播。但是由于可以提供的免费样品是有限的，因此选择体验用户时有一个预算值，记为B。影响最大化问题要求在给定预算B的情况下，选择出合适的种子集合A(即免费体验的用户集合)，其包含B个种子节点，通过种子集合A的影响力使消息最终能够影响到的范围最大。社交网络上影响最大化问题主要包括两方面：建立合理的信息传播的模型以及提出合适的种子搜索方法来确定最终的种子集合。

S.Cheng,H.Shen,J.Huang,G.Zhang和X.Cheng等人在其发表的论文“Staticgreedy:Solving the scalability-accuracy dilemma in influencemaximization”(《Conference on Information and Knowledge Management》,2013,pages509–518)中提出一种基于略图的社交网络中信息传播影响最大化的方法。该方法基于给定的种子集合预算B，以贪婪的方式每一次选择影响力增益最大的节点加入种子集合，最终得到B个种子。该方法存在的不足之处是，由于该方法是一种静态方法，即在信息传播过程开始前选择好一个种子集合，对于网络中节点对信息存在接受概率的情况下，该方法可能会选择出接受概率低的节点作为种子节点，因此不能满足寻找种子集合最优的需求。

江西理工大学在其申请的专利文献“基两阶段启发的社交网络影响最大化问题求解方法”(专利申请号201610394859.4，申请公告号CN 106097108 A)中公开了一种社交网络中信息传播影响最大化方法，基于给定的种子集合预算B，求得具有B个种子的种子集合，使得该种子集合的影响范围最大。该方法的具体步骤为，第一步，计算社交网络中每个节点的折扣度并对其进行降序排序；第二步，选择排在前B的节点加入种子集合并对未激活节点进行激活。该方法存在的不足是，在节点之间影响力存在严重重叠时，得到的种子集合不能满足影响力最大化的需求。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种基于节点活跃度的信息传播方法。

实现本发明目的的思路是，考虑到社交网络中，信息在用户之间的传播存在传播概率，用户对一个消息的接受存在接受概率，因此提出现实独立级联模型RIC模型，基于RIC模型，提出节点活跃度的概念及其计算方式，以节点的活跃度衡量节点的影响力，节点的活跃度越大，则节点的影响力越大。采用节点的活跃度与其本身接受概率的乘积作为选择种子节点的标准，种子集合的选择是一个动态过程，即一步步地选择种子节点，每一次选择种子节点时，根据当前已有种子集合在网络中的影响范围，更新每个非种子节点的活跃度，根据上述选择种子节点的标准进行一次种子选择，直至种子集合选择完毕，种子集合中的种子节点通过与其相邻的节点进行信息传播，得到最终信息传播影响范围值。

实现本发明目的的具体步骤如下：

(1)构建现实独立级联模型RIC模型；