[发明专利]一种基于时序网络社团检测的影响力最大化方法

权利要求书

1.一种基于时序网络社团检测的影响力最大化方法，其特征在于，该方法具体是：

步骤(1)节点嵌入，包括微观动力学嵌入和宏观动力学嵌入：

对于一个给定的时序网络和ε分别为节点集和边集，为时间序列，每个时序边(u_i,u_j,t)∈ε表示节点u_i和节点u_j在t时刻产生连边，ε为边的集合；时序网络嵌入的目标为学习一个映射函数其中d为嵌入维度，且表示实数域；

所述的微观动力学嵌入，通过最小化以下目标函数来记录时序网络中的微观动态：

其中，p表示节点u_i在t时刻之前的某个历史邻居，和分别是节点u_i和u_j在t时刻之前的历史邻居集；

所述的宏观动力学嵌入，通过最小化以下目标函数来记录时序网络中的宏观动态：

Δe(t)＝e(t)-e(t-1)；e(t)为截至t时刻的累计边数，Δe′(t)为t时刻产生的新连边数；

统一目标函数宏观动力学嵌入所占权重η∈[0,1]；

步骤(2)社区检测：采用一种不指定社区数量的聚类方法，将网络中的节点划分到不同社区；首先将网络进行嵌入，根据嵌入结果，计算每个节点对之间的相似性；然后将每个节点作为一个社区，如果两个节点之间的相似度是最大的，则将两个节点划分到同一个社区；将新创建的社区视为一个节点，继续上一个步骤，直到达到结束条件；

步骤(3)生成候选种子节点：

对于一个给定的时序网络和一个种子节点集的大小k，通过社区检测得到一组社区，即聚类结果C＝{c₁,c₂,…,c_R}，c_r即为第r个社区，n_r为社区c_r中的节点数，则重要社区选择每个重要社区中节点度和相似度总和的前τ％的节点作为候选种子节点，τ＝5～20，节点度为邻居节点的个数；

步骤(4)种子节点选择：

(4-1)种子节点分配：对于一个给定的时序网络和种子节点集的大小k，假设C_s＝{c′₁,c′₂,…,c′_R′}，并且每个社区c′_r′有n′_r′个节点，则c′_r′中分配的种子节点数

(4-2)选择种子节点：使用位置分数和中枢度两个指标作为评价指标，使用优先级比较规则比较候选节点集中节点的优先级，确定最终的种子节点；

位置分数表示任意；

节点的中枢度SC为社区集C中已经选择了种子节点的社区集；

对于给定的一个社区中的两个候选节点，按照优先级比较规则进行比较，通过收集每个重要社区quota(c′_i)个高优先级节点，获得种子节点集。