[发明专利]一种ego网络社交圈子识别方法

权利要求书

1.一种ego网络社交圈子识别方法，其特征在于，包括如下步骤：

步骤1：构建用户的ego网络：将用户抽象成ego网络中的一个节点，用户之间的关系抽象成ego网络中的一条边；

步骤2：结合ego网络结构信息和节点属性信息来建模边之间的相似性；其中，边之间的相似性采用相似度S进行判断，相似度S的定义如下：

S＝a×S_s+(1-a)×S_A

其中，S_s是结构相似度，S_A是属性相似度，a是结构相似度和属性相似度之间的权衡系数；

两条边e_ik和e_jk的结构相似度S_s定义如下：

两条边e_ik和e_jk的属性相似度S_A定义如下：

A(e_ij)＝A(i)∪A(j)

其中，A(i)是节点i的属性集，A(j)是节点j的属性集；

步骤3：初始化每条边作为一个社交圈子，然后根据社交圈子之间的相似度采用层次聚类方法进行聚类，得到树状图；

步骤4：选取阈值截取树状图，获得边社交圈子，并将边社交圈子转化为节点社交圈子；其中，采用基于分区密度的方法选取阈值截取树状图，或采用基于相似度分布的方法选取阈值截取树状图；采用基于分区密度的方法选取阈值截取树状图的具体过程为：根据树状图，计算每个层次对应的边社交圈子划分所具有的分区密度，选择最大的分区密度值所对应的边社交圈子作为最终的结果，并将边社交圈子转换为节点社交圈子；其中，分区密度定义D如下：

其中，M表示所有边的数量，m_c表示社交圈子c中的边的数量，D_c是社交圈子c的边密度，D_c定义如下：

n_c表示社交圈子c的节点数量；

采用基于相似度分布的方法选取阈值截取树状图的具体过程为：首先，将相似度划分为具有相等长度的N个间隔，并计算落在每个间隔中的相似度值的数量，然后将相似度值作为水平x轴，将相似度值的数量作为垂直y轴，用一个多项式拟合相似度的经验分布：

其中，n≥3，是要估计的参数，间隔的中心是x₁,x₂,...,x_N，并且间隔中的计数分别是y₁,y₂,...,y_N；对于每个n，采用多项式最小化真实值和预测值之间的残差平方和：

然后，利用均方误差MSE评估拟合多项式，选择具有最小MSE的阶数为n*的多项式作为拟合曲线；均方误差MSE定义如下：

其中，是第i个例子的预测值，y_i是对应的真实值；最后，通过求解下面的等式计算拟合曲线的拐点：

将阈值设置为满足上面的等式的最小x；

步骤5：提取节点社交圈子的属性特征和结构特征，然后训练分类器来识别社交圈子的种类；

首先，用Facebook和Google+数据集手动的标记社交圈子的种类l_c，然后，对于每一个社交圈子，提取它的网络结构特征和属性特征并组成一个特征向量p是特征的数量，x_i是第i个特征的值；每个训练实例包括特征向量和对应的圈子种类l_c；然后采用分类方法对获得的社交圈子进行分类；分类方法包括朴素贝叶斯、支持向量机、AdaBoost算法和GradientBoosting算法。

2.根据权利要求1所述的一种ego网络社交圈子识别方法，其特征在于：步骤1)中ego网络的定义如下：

在ego网络中，节点由一个中心节点ego以及这个节点的邻居节点alters组成，边包括中心节点ego和邻居节点alters之间的边以及邻居节点alters和邻居节点alters之间的边。

3.根据权利要求1所述的一种ego网络社交圈子识别方法，其特征在于：步骤3)的具体过程为：初始时，将每条边都看作是一个单独的边社交圈子；然后，每次合并时，选择相似度最大的两个社交圈子来进行合并；重复合并过程直到合并为一个边社交圈子为止，得到层次聚类算法对应的树状图。