[发明专利]一种基于话题影响力渗流的语义社交网络社区发现方法

说明书

本发明公开了一种基于话题影响力渗流的语义社交网络社区发现方法。步骤1：构造语义社交网络节点的语义空间坐标表示；步骤2：构造步骤1的同时构造基于渗流力学的话题影响力渗流微分方程；步骤3：根据步骤2的话题影响力渗流微分方程，求解话题影响力偏微分方程；步骤4：根据步骤3制定生成社区的博弈规则；步骤5：在步骤4的博弈规则选取话题影响力最大的种子节点作为影响力渗流的初始非均衡节点；步骤6：利用步骤4的博弈规则与步骤5的初始非均衡节点生成社交网络社区结构。现有方法仅以话题的相似性作为社区的生成标准会降低社区内部节点的一致性，社区内聚性略显不足。

技术领域

本发明属于语义社交网络领域；具体涉及一种基于话题影响力渗流的语义社交网络社区发现方法。

背景技术

语义社交网络是一种由节点、链接以及文档组成的新型社交网络。其中，节点代表语义社交网络个体；链接代表节点和节点之间的关系，例如微博社交网络中的关注关系、科技论文网络中的引用关系等；文档代表网络个体发表的文本，例如微博帖子、论文摘要等。与传统的仅考虑网络拓扑结构的社交网络相比，语义社交网络蕴含有丰富的话题属性(topic)，例如：科技论文网络中的论文摘要蕴含有论文的研究领域、研究方法等，微博网络中的用户帖子蕴含有用户对社会事件的观点和态度等。可以看出，语义社交网络更善于描述网络节点的内在属性，目前已经成为在线社交网络分析领域的研究热点。

语义社区发现，是语义社交网络分析中的重要研究内容。所谓社区，是指按特定属性聚合在一起的网络群组，满足群组内部成员之间相似性较高，群组之间成员具相似性较低这一特点。在传统的基于拓扑结构的社交网络中，社区内部成员链接较为紧密，社区之间成员链接较为稀疏。而在语义社交网络的社区结构中，社区内部成员不光要具有较高的紧密程度，同时要满足文档中的话题属性具有较高的相似性，科技论文网络中按关键词划分的研究领域，就是典型的语义社区划分实例。

根据网络节点所蕴含语义信息的不同，语义社区识别可以分为两大类：(1)基于结构的语义信息表示。这类网络中的节点不含有文本信息，但研究者基于NetworkEmbedding方法提取了节点的2-hop邻居信息作为节点的语义信息进行社区识别。(2)基于文档的语义信息表示。这类网络中的网络节点蕴含有丰富的文本信息，研究者通过提取文本中蕴含的话题，并构造话题相似性度量函数，挖掘具有较高话题一致性的社区结构。

现有方法存在的问题在于：仅考虑了用户文本中蕴含的话题，忽略了用户对话题持有的观点，这使得对某话题接纳程度较低的用户，也会被划分进围绕话题构造的社区之中，社区面临随网络演化的分裂风险。根据拉扎斯菲尔德提出的二级传播理论，用户会对较为认可的观点加以转发。

发明内容

本发明提供了一种基于话题影响力渗流的语义社交网络社区发现方法，所解决的技术问题是目前语义社区识别算法无法刻画用户的对文本话题的接纳性，导致输出的社区结果内聚性较低、内部一致性不足这一问题。

本发明通过以下技术方案实现：

一种基于话题影响力渗流的语义社交网络社区发现方法，所述语义社交网络社区发现方法包括以下步骤：

步骤1：构造语义社交网络节点的语义空间坐标表示；

步骤2：构造步骤1的同时构造基于渗流力学的话题影响力渗流微分方程；

步骤3：根据步骤2的话题影响力渗流微分方程，求解话题影响力偏微分方程；

步骤4：根据步骤3制定生成社区的博弈规则；

步骤5：在步骤4的博弈规则选取话题影响力最大的种子节点作为影响力渗流的初始非均衡节点；

步骤6：利用步骤4的博弈规则与步骤5的初始非均衡节点生成社交网络社区结构。