[发明专利]一种基于压缩感知的回声壁社交网络结构预测方法

权利要求书

1.一种基于压缩感知的回声壁社交网络结构预测方法，其特征在于，包括以下步骤：

S1、通过Hegselmann-Krause连续观点动力学模型(HK模型)生成观测信号，其中包括对于网络中每一个节点，生成连续的时间序列信号，信号的取值范围[0,1]；

S2、通过Stochastic Block Model社团结构生成模型(SBM模型)生成网络结构，且步骤S1中的网络结构在此生成，每个节点根据SBM模型隶属于一个社团；

S3、构造回声壁效应(Echo chamber)的观点分布和对比的随机(Chaos chamber)观点分布，根据步骤S1的节点属性和S2的网络结构属性，将节点属性按回声壁效应和随机效应分布到网络结构中；

S4、构造基于压缩感知的网络结构重构凸优化算法，且针对S1～S3带属性结构的网络，逐一做网络结构重构。

2.如权利要求1所述的一种基于压缩感知的回声壁社交网络结构预测方法，其特征在于，所述步骤S1中包括用户打算采纳的邻居的接近意见的关键共识阈值ε，个体的观点仅受与其观点相差不超过某个置信度水平的个体观点影响。

3.如权利要求1所述的一种基于压缩感知的回声壁社交网络结构预测方法，其特征在于，所述步骤S2中将网络的节点划分为不同的集合或“社区”，其中同一块中的所有节点与其他块中的节点具有相同的连接模式，通过自定义生成不同数量的社区，构造社区内部联系紧密，社区之间联系稀疏的网络。

4.如权利要求1所述的一种基于压缩感知的回声壁社交网络结构预测方法，其特征在于，所述步骤S3中回声壁效应区分两种观点，分别位于均匀分布(0,0.5]，(0.5,1]之间；对比随机观点落在(0,1]均匀分布区间。

5.如权利要求1所述的一种基于压缩感知的回声壁社交网络结构预测方法，其特征在于，所述步骤S4中通过稀疏采样寻找欠定线性系统的稀疏解，设计一套适合回声壁效应的社交网络结构预测方法。