[发明专利]多属性异构网络节点影响力度量方法、装置、设备及介质

说明书

本发明公开了一种多属性异构网络节点影响力度量方法、装置、设备及介质，所述方法包括：根据网络流数据构建有向加权网络，根据节点属性数据将节点属性值赋给所述有向加权网络中的相应节点；根据赋值后的有向加权网络构建节点影响力度量模型，并利用带标签的节点属性数据求解最优参数，得到最优节点影响力度量模型；其中，所述带标签的节点属性数据的节点影响力已被表征；将待度量节点的属性值输入所述最优节点影响力度量模型，得到待度量节点的影响力。根据本公开实施例提供的多属性异构网络节点影响力度量方法，将多样化的节点属性因子和异质性的网络拓扑结构同时输入度量模型进行统筹考虑，大大提高了网络中节点影响力的度量准确性。

技术领域

本发明涉及人工智能与图网络研究技术领域，特别涉及一种多属性异构网络节点影响力度量方法、装置、设备及介质。

背景技术

节点影响力度量是图网络计算领域的重点问题之一，包括互联网中的网页重要性排序、城市网络中的城市重要性排序、疾病传播网络中的城市疫情风险水平等均属于节点影响力度量方法的实际应用范畴。在复杂的网络结构中准确的度量网络节点的影响力，有助于在各种应用场景中识别关键风险点和枢纽点，其结果可以广泛的应用于系统风险检测、传染病防控、中心城市评价和规划等领域。

已授权专利CN 104951531 B提供了一种基于图简化技术的社交网络中用户影响力估算方法及装置，，其中的方法包括：(一)获取待估算用户影响力的社交网络的概率图G，预设抽取可能图的个数N、节点u，以及参数r和t；(二)利用递归分层抽样算法和图简化技术估算概率图G中节点u的影响力。

现有技术中，节点影响力度量方法大多侧重捕捉网络结构异质性和网络节点属性多样性中的某一方面，缺乏全面整合两类特征的方法。另一方面，节点影响力度量模型的参数多根据使用者的经验或既有研究的惯常设置而确定，往往并非最优的参数设置，制约了模型预测的精确性。随着当前多源大数据的规模、类型不断增加，充分利用各类数据来合理构建模型、提高度量结果的准确性的需求十分迫切。

发明内容

本公开实施例提供了一种多属性异构网络节点影响力度量方法、装置、设备及介质。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

第一方面，本公开实施例提供了一种多属性异构网络节点影响力度量方法，包括：

根据网络流数据构建有向加权网络，根据节点属性数据将节点属性值赋给有向加权网络中的相应节点；

根据赋值后的有向加权网络构建节点影响力度量模型，并利用带标签的节点属性数据求解最优参数，得到最优节点影响力度量模型；其中，带标签的节点属性数据的节点影响力已被表征；

将待度量节点的属性值输入最优节点影响力度量模型，得到待度量节点的影响力。

在一个可选地实施例中，根据网络流数据构建有向加权网络，根据节点属性数据将节点属性值赋给有向加权网络中的相应节点之前，还包括：

获取网络流数据和节点属性数据；

对网络流数据和节点属性数据进行预处理。

在一个可选地实施例中，对网络流数据和节点属性数据进行预处理，包括：

对网络流数据和节点属性数据中的异常数据进行删除处理或纠正处理；

对节点属性数据进行标准化处理。

在一个可选地实施例中，根据网络流数据构建有向加权网络，包括：

当两个节点之间存在流数据时，根据流数据的方向在两个节点之间增加一条有向边，边的权重等于流数据的数值大小。