[发明专利]一种基于权重更新的社交网络信任度学习方法

摘要

一种基于权重更新的社交网络信任度学习方法，包括以下步骤：S1：导入网络；S2：选取智慧节点，假设整个网络有且仅有1个智慧节点；S3：初始化权重，在网络中每条有向连边权重都分配一个固定常数；S4：通过基于级联信息传播的学习方法，不断更新权重，使权重达到平稳状态；S5计算网络信息过滤能力指标。本发明提供一种基于权重更新的社交网络信任度学习方法，能够模拟人与人之间的信任度随着时间的推移而发生的变化。通过特定的学习方法使得已具有信息过滤能力的原始网络权重达到平稳状态，变得更加智能。

主权项

1.一种基于权重更新的社交网络信任度学习方法，其特征在于，所述方法包括如下步骤：S1：导入网络集合G＝(V,E,W)，其节点集和连边集分别为V＝{v₁,v₂,...,v_n}和节点总数N；S2：选取智慧节点；对网络节点进行标号，设定标号为1的节点为智慧节点，为了研究这种学习方法的训练过程，假设整个网络有且仅有1个智慧节点；S3：初始化权重；在网络中每条有向连边从vj指向vk的权重都分配一个固定常数0.5，即，wjk＝0.5，权重wjk表示vk对vj的信任度；S4：基于级联信息传播的学习方法；随机选择一个网络中的节点vj，作为信息传播的源节点，如果源节点vj为智慧节点，只发布真消息；如果源节点vj为普通节点，以同等概率发布消息或假消息；当一个节点vk观察到来自它的邻居节点的消息时，它将首先随机选取其中一个相邻的邻居节点，表示为vj，然后级联信息传播模型如下：如果vk是一个智慧节点，如果这是真消息，它将该消息转发的概率p＝η，否则拒绝发布；如果vk是一个普通节点，它将该消息转发的概率p＝η·wjk，不管它是真的还是假的，0≤η≤1是自然转发率；在信息传播过程中，每次迭代t，如果vk观察到的是真消息，根据以下公式(1)更新权重：在信息传播过程中，每次迭代t，如果vk观察到的是假消息，根据以下公式(2)更新权重：其中，Δ＝0.001为更新参数，并且防止产生信息传播阻隔；每一个节点只有一次机会传播，传播不成功则不再继续传播，当网络中能够看到信息的节点，已经全部被转发询问后停止，记为1次传播过程；设定循环次数M，即重复M次传播过程，权重更新达到平稳状态；S5：计算网络信息过滤能力指标；经过学习方法训练之后，固定更新后的权重，计算传递真实消息和错误消息的节点的数量，分别由NT和NF表示；然后，定义真正的消息传输能力TTA和假消息传输能力FTA，如下：在此基础上，进一步定义一个社交网络的信息过滤能力IFA，如下：比较训练前后网络的IFA的变化以及网络结构对IFA的影响。