[发明专利]一种基于凝聚熵的动态影响力最大化方法

权利要求书

1.一种基于凝聚熵的动态影响力最大化方法，其特征在于：包括以下步骤：

S1.构建CeCOPRA算法：利用节点的局部拓扑信息，用凝聚熵的概念定义了用户间的亲疏程度，并进行重叠社区划分；

S2.为了减小种子节点的选择范围，利用社区结构筛选出候选种子集，所述候选种子集为有潜力成为种子的节点集，具体包括：

在大型网络中选择的聚集桥；在每个社区中选择的聚集焦点；

S3.构建可选择动态影响力传播算法：加入了传播控制因子α，用于表示传播条件的下限，结合自信息熵和凝聚熵的凝聚力判断用户能否能成为可传播先驱而去影响他人，当凝聚力达到阈值时传播者才有机会去表达自己的观点，否则影响扩散结束；

S4.通过多个数据集上的多次实验，验证DEIM算法能否在不同场景中使理想数量的用户被成功影响。

2.根据权利要求1所述的一种基于凝聚熵的动态影响力最大化方法，其特征在于：所述步骤S1中的凝聚熵是度量两个节点间关于邻域信息分布的相似性，将节点自身的属性放在首位，将局域区域内节点间连边的紧密度作为辅助属性，构成节点的邻域结构信息计算节点间的凝聚熵，节点i和节点j的凝聚熵CE_ij计算公式定义如下：其中，r_ij为节点i和节点j邻域信息分布的相对熵之和，即分散度。

3.根据权利要求1所述的一种基于凝聚熵的动态影响力最大化方法，其特征在于：所述步骤S2中的聚集桥定义为：把每个社区视为一个聚集区，重叠节点所在位置为聚集相交区，聚集桥在此区域内产生，聚集桥N_hinge是跨多个领域的用户代表集合，定义为：

其中代表社区i内同时位于六个及以上社区的节点或节点集，这些点紧密连接多个聚集区，所属社区数量的规定能保证聚集桥中的用户有足够的机会尝试影响他人，确保一定数量的影响扩散路径。

4.根据权利要求1所述的一种基于凝聚熵的动态影响力最大化方法，其特征在于：所述步骤S2中的聚集焦点定义为：每个社区的非重叠节点组成了社区的集中聚集区，其中度中心性最大的节点在该区域内与其他节点具有最紧密的联系，称其为聚集焦点，表示为：

其中代表使D(v)最大的节点v。

5.根据权利要求1所述的一种基于凝聚熵的动态影响力最大化方法，其特征在于：所述步骤S3中的自信息熵定义为：节点自身携带的信息量，该值与节点的扩散量成正相关，公式：其中M是整个网络中边的总数，D_u代表节点u的度数，信息熵是对信息的量化，所述自信息熵通过节点度和总边数的比值衡量节点所携带信息量的多少。

6.根据权利要求1所述的一种基于凝聚熵的动态影响力最大化方法，其特征在于：所述步骤S3中的可传播先驱定义为：在网络G(V，E)中，V是节点集，E是边集，对于边(u，v)∈E，当节点u与节点v的凝聚力达到传播控制因子α的值时，节点u就具备了尝试影响节点v的能力，即节点u就成为了节点v的可传播先驱，然后尝试去影响节点v。