[发明专利]一种独立级联模型下基于极大似然的源定位方法

说明书

本说明书一个或多个实施例提供一种独立级联模型下基于极大似然的源定位方法，通过根据种子节点集在IC模型上扩散，形成感染网络，利用独立路径计算传播概率，再计算影响范围最小的似然函数利用贪心策略选取种子集合，最终得到输出感染源，相比于传统的源定位方法大部分都只能解决单影响源定位问题，并且利用简单的IC模型来解决复杂的多源定位问题的工作甚少。本方法在只考虑概率因素的情况下，就能同时解决单源和多源的源定位问题，为以后似然概率运用于多源问题的研究提供了相应基础。该技术可以提高识别社交网络中影响力传播的源节点方面的效率，扩展了该技术在源定位问题领域的应用范围和实用性。

技术领域

本发明属于应用于复杂网络中运用独立级联模型和似然函数计算来进行源定位的方法，特别涉及一种基于独立路径技术以及影响力覆盖的极大似然估计算法来进行传播源定位的方法。

背景技术

互联网技术的不断发展正将世界变成地球村，人们的社交网络不断扩大这些都为信息的传播提供了更加快捷、广泛的传播途径，但这同时也为一些不良信息传播提供了方便，如一些谣言、病毒等，通过这些移动客户端被广泛传播，一些不明事理的人很容易受这些谣言影响，轻易相信这些传闻，有些激进者可能会做出过激行为，造成自己和他人合法权利受到损害，这些给社会稳定带来了不利影响。因此，如何准确、快速地进行传播源定位是网络科学研究中的一项重要的任务。越来越多的学者把目光投向了对社交网络中的信息传播的研究。

网络拓扑结构是社交网络的基础，在研究过程中，社交网络通常是以图的形式抽象地展示网络的拓扑结构和信息的传播过程。目前对于社交网络中的信息流传播的研究，一些学者重点关注了信息源的定位问题，即通过研究如何构建有效的信息源定位的模型以期探测到的真正的信息源的可能性最大。因此，研究社交网络中感染源(信息源)的定位问题有着十分重要的实际意义。从大的方面讲，国家可以通过社交网络对舆情及时分析，从而控制不良信息的传播；从小的方面来说，谣言、恶意病的传播这些不利因素的传播和扩散对人们的生产和生活有着巨大的影响也可以最大化地减少。负面信息传播的问题都是依托于具体的网络而存在的，并且网络的规模一般都十分巨大，节点相互之间的联系同样也非常复杂。在这样的情况下，如果能够快速地和准确地找到信息的来源，控制和缩小其传播范围，可以大大地减少对人们生活的影响。这个问题不仅仅是复杂网络科学领域需要研究的重要课题，更是政府保证网络安全，控制谣言传播面临的重大挑战。在此背景下，对社交网络中的感染源的定位问题进行深入地研究，并开发出相应的分析软件供舆情监控部门和企业市场监控来使用是十分有意义的。

现有的源定位算法，处理单源问题的居多，而多源问题相对比较复杂，因此处理多源问题方法还比较少，并且现在源定位研究的方法大多都是基于SI、SIR模型等等的传染病模型，依赖于时间因素作为考量，而对于IC这种概率模型研究的较少。识别社交网络中影响力传播的源节点方面的效率不足。

发明内容

有鉴于此，本说明书一个或多个实施例的目的在于提出一种独立级联模型下基于极大似然的源定位方法，以解决上述提出的其中一个或多个技术问题。

基于上述目的，本说明书一个或多个实施例提供了一种独立级联模型下基于极大似然的源定位方法(MLE-FIC)，包括：

在复杂网络中确定初始传播的种子节点集；

根据种子节点集在独立级联模型上扩散，直到网络中不再产生感染节点为止，将感染的节点抽取形成感染网络；

生成节点之间的独立路径，利用独立路径计算每一个节点对之间的传播概率；

利用概率模拟选取的种子节点的影响范围，使得选取种子节点的影响范围与初始的影响范围最大限度的重合，设计得到极大似然目标函数；

利用贪心算法选取影响力覆盖最大的节点，得到影响源的种子集合，输出感染源。

优选地，利用独立路径计算每一个节点对之间的传播概率包括：