[发明专利]基于高阶张量分解大规模社交网络社区的检测方法及装置

说明书

本发明属于社交网络社区的检测技术领域，公开了一种基于高阶张量分解大规模社交网络社区的检测方法及装置，所述基于高阶张量分解大规模社交网络社区的检测装置包括：网络信息采集模块、中央控制模块、社区搜索模块、社区共享模块、网络压缩模块、社区分析模块、影响力评估模块、显示模块。本发明通过网络压缩模块采用块项张量分解方法来构造块项张量层，以替换原始社交网络中的全连接层，利用块项张量层具有的“对称”和“指数表达能力”的特性，不仅能够大幅压缩全连接层的参数量还能够保持原网络的分类精度；同时，通过社区分析模块可以较好地利用网络拓扑结构，分析准确性高；及实现对核心节点的类型进行区分。

技术领域

本发明属于社交网络社区的检测技术领域，尤其涉及一种基于高阶张量分解大规模社交网络社区的检测方法及装置。

背景技术

社交网络涵盖以人类社交为核心的所有网络服务形式，互联网是一个能够相互交流，相互沟通，相互参与的互动平台，互联网的发展早已超越了当初ARPANET的军事和技术目的，社交网络使得互联网从研究部门、学校、政府、商业应用平台扩展成一个人类社交的工具。网络社交更是把其范围拓展到移动手机平台领域，借助手机的普遍性和无线网络的应用，利用各种交友/即时通讯/邮件收发器等软件，使手机成为新的社交网络的载体。社交网络，也就是网络+社交的意思。通过网络这一载体把人们连接起来，从而形成具有某一特点的团体。然而，现有社交网络压缩能力低；同时，现有的动态社交网络社区演化分析没有较好地利用网络拓扑结构，准确性有待提高；不同的核心节点拥有不同的特性，对演化事件检测的贡献不同，但是现有技术没有对核心节点的类型进行区分。

综上所述，现有技术存在的问题是：

现有社交网络压缩能力低；同时，现有的动态社交网络社区演化分析没有较好地利用网络拓扑结构，准确性有待提高；不同的核心节点拥有不同的特性，对演化事件检测的贡献不同，但是现有技术没有对核心节点的类型进行区分。

发明内容

针对现有技术存在的问题，本发明提供了一种基于高阶张量分解大规模社交网络社区的检测方法及装置。

本发明是这样实现的，一种基于高阶张量分解大规模社交网络社区的检测方法，包括以下步骤：

步骤一，通过研究真实网络拓扑结构特性和假设的网络模型之间的差异，借用贝叶斯推断等数学工具，通过最大化似然概率，实现社区及发现；

步骤二，确定社交网络社区信息的搜索特征，即需要采集哪些社交网络社区特征因子；根据确定的社交网络社区特征因子，利用一定在程序对不同的社交网络对象进行相应的数据，利用相应的程序调用到应用平台上；

步骤三，对采集的数据利用PathSim算法通过元路径对网络信息模块采集的相关信息进行相似性搜索，挖掘社交异构信息网络中隐含的丰富语意；并且对社交网络社区演化进行分析，通过评估程序对社交网络社区影响力进行评估；

步骤四，将上述搜索的数据和评估数据结果，对社交网络进行压缩处理；通过显示器显示采集的社交网络社区信息、搜索结果、共享信息、分析结果、评估结果；同时通过共享程序对社交网络社区信息资源进行共享；

所述步骤四中，社交网络进行压缩处理，具体过程如下：

A、通过压缩程序获取社交网络框架；

B、将社交网络的全连接层中的权重矩阵W和输入向量x分别转化为高阶张量W和高阶张量X；

C、对步骤B中的高阶张量W进行块项张量分解处理；

D、根据步骤B中的高阶张量X和步骤C中块项张量分解后的高阶张量W将社交网络的全连接层替换为块项张量层；

E、采用后向传播算法对步骤D中替换后的社交网络进行训练；