一種社交網(wǎng)絡(luò)中的用戶影響力評估方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及社交網(wǎng)絡(luò)分析技術(shù)領(lǐng)域，特別是一種社交網(wǎng)絡(luò)中的用戶影響力評估方 法。
【背景技術(shù)】
[0002] 社會影響力是指由于用戶、組織或者社區(qū)與其他用戶、組織或者社區(qū)等具有社交 關(guān)系，導(dǎo)致自身行為隨其他用戶、組織或者社區(qū)的變化而變化的一種現(xiàn)象。社會影響力是社 交網(wǎng)絡(luò)中常見的一種現(xiàn)象。在社交網(wǎng)絡(luò)中，各種各樣的因素都可能對影響力產(chǎn)生影響。通 過對社交網(wǎng)絡(luò)中節(jié)點的影響力進(jìn)行分析，可以發(fā)現(xiàn)社交網(wǎng)絡(luò)中的具有重要影響力的核心節(jié) 點，可用于企業(yè)商業(yè)營銷、廣告定向投放、言論渠道推薦、輿情監(jiān)控等諸多領(lǐng)域。
[0003] 目前對節(jié)點的影響力分析方法主要包括兩大類，一類方法是基于節(jié)點的度數(shù)、介 數(shù)和K-shell等中心化指標(biāo)。利用度數(shù)來評估節(jié)點影響力，適用于符合冪律的非均勻網(wǎng)絡(luò) 中，但是其忽略了網(wǎng)絡(luò)豐富的拓?fù)浣Y(jié)構(gòu)特征；介數(shù)則是以經(jīng)過某個節(jié)點的最短路徑的數(shù)目 來刻畫節(jié)點的重要性，雖然將網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)列入考量，但是其復(fù)雜度過高不適于大型的 真實網(wǎng)絡(luò)；通過K-shell分解得到的結(jié)果存在大量具有相同大小的h核節(jié)點，與社交網(wǎng)絡(luò) 中節(jié)點的多樣性不相符?；贙-shell分解的思想，在分解的過程中，通過將已刪除的邊和 仍存在的邊的數(shù)量考慮在內(nèi)，Zeng等提出了MDD (Mixed Degree Decomposition)方法用于 區(qū)分具有相同h核值的節(jié)點影響力，但是該方法的參數(shù)2在不同網(wǎng)絡(luò)中的最優(yōu)取值難以 確定；另一類方法是基于鏈接分析的網(wǎng)頁排名算法，如經(jīng)典的PageRank和HITS方法以及其 改進(jìn)方法等；如朱天等基于社交網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)，提出InnerPageRank和OutterPageRank 兩種評估方法，分別用于計算節(jié)點在社區(qū)內(nèi)部和外部的影響力。此類方法需要多次重復(fù)的 迭代，時間復(fù)雜度較高，普遍適用性較弱。
[0004] 綜上，現(xiàn)有的針對社交網(wǎng)絡(luò)中用戶個體的影響力評估方法，面對大規(guī)模社交網(wǎng)絡(luò) 的場景，無論是在分析效果和效率上都難以滿足要求。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種社交網(wǎng)絡(luò)中的用戶影響力評估 方法，該方法具有接近線性的時間復(fù)雜度，有利于提高用戶影響力評估的效果和效率。
[0006] 為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：一種社交網(wǎng)絡(luò)中的用戶影響力評估方法， 包括如下步驟： 步驟A :讀取社交網(wǎng)絡(luò)數(shù)據(jù)，構(gòu)造以社交網(wǎng)絡(luò)用戶為節(jié)點，用戶關(guān)系為邊的社交網(wǎng)絡(luò)圖 G-, 步驟B :根據(jù)社交網(wǎng)絡(luò)圖，遍歷社交網(wǎng)絡(luò)圖中的所有節(jié)點，根據(jù)節(jié)點的度初始化每個節(jié) 點的影響力標(biāo)簽，結(jié)束遍歷； 步驟C :根據(jù)社交網(wǎng)絡(luò)圖，遍歷社交網(wǎng)絡(luò)圖中的所有節(jié)點，根據(jù)所遍歷節(jié)點的鄰居節(jié)點 的影響力等級，計算所遍歷節(jié)點的影響力等級； 步驟D :重復(fù)步驟C，直到每個節(jié)點的影響力等級均收斂。
[0007] 進(jìn)一步地，所述步驟B中，根據(jù)節(jié)點的度初始化節(jié)點的影響力標(biāo)簽的方法為： 定義節(jié)點i的影響力標(biāo)簽Zi為：
【主權(quán)項】
1. 一種社交網(wǎng)絡(luò)中的用戶影響力評估方法，其特征在于，包括如下步驟： 步驟A ;讀取社交網(wǎng)絡(luò)數(shù)據(jù)，構(gòu)造W社交網(wǎng)絡(luò)用戶為節(jié)點，用戶關(guān)系為邊的社交網(wǎng)絡(luò)圖 G-， 步驟B;根據(jù)社交網(wǎng)絡(luò)圖，遍歷社交網(wǎng)絡(luò)圖中的所有節(jié)點，根據(jù)節(jié)點的度初始化每個節(jié) 點的影響力標(biāo)簽，結(jié)束遍歷； 步驟C;根據(jù)社交網(wǎng)絡(luò)圖，遍歷社交網(wǎng)絡(luò)圖中的所有節(jié)點，根據(jù)所遍歷節(jié)點的鄰居節(jié)點 的影響力等級，計算所遍歷節(jié)點的影響力等級； 步驟D ;重復(fù)步驟C，直到每個節(jié)點的影響力等級均收斂。
2. 根據(jù)權(quán)利要求1所述的一種社交網(wǎng)絡(luò)中的用戶影響力評估方法，其特征在于，所述 步驟B中，根據(jù)節(jié)點的度初始化節(jié)點的影響力標(biāo)簽的方法為： 定義節(jié)點i的影響力標(biāo)簽為： k < hA > 節(jié)點i的影響力標(biāo)簽包含兩個屬性，其中7,表示節(jié)點i的影響力等級，4表示節(jié)點 i的度數(shù)；
在一個給定的靜態(tài)網(wǎng)絡(luò)中，每個節(jié)點的度數(shù)都是固定的，因此對節(jié)點的影響力標(biāo)簽初 始化，等價于對節(jié)點的影響力等級初始化。
3. 根據(jù)權(quán)利要求2所述的一種社交網(wǎng)絡(luò)中的用戶影響力評估方法，其特征在于，所述 步驟C中，計算所遍歷節(jié)點的影響力等級，包括W下步驟： C1 ;對于所遍歷的節(jié)點i，通過對比其鄰居節(jié)點的影響力等級，計算節(jié)點i的優(yōu)質(zhì)鄰居 數(shù)； C2 ;根據(jù)計算得到的節(jié)點i的優(yōu)質(zhì)鄰居數(shù)，計算并更新節(jié)點i的影響力等級； C3 ;對節(jié)點i的影響力等級進(jìn)行增益處理； C4 ;重復(fù)步驟C1?C3,直到所有節(jié)點均已遍歷。
4. 根據(jù)權(quán)利要求3所述的一種社交網(wǎng)絡(luò)中的用戶影響力評估方法，其特征在于，所述 步驟C1中，計算節(jié)點i的優(yōu)質(zhì)鄰居數(shù)，包括W下步驟： C11 ;初始化節(jié)點i的優(yōu)質(zhì)鄰居數(shù)； C12 ;遍歷節(jié)點i的鄰居集合，對于所遍歷的鄰居節(jié)點乂根據(jù)節(jié)點J前影響力等級，更 新節(jié)點i的優(yōu)質(zhì)鄰居數(shù)； C13 ;重復(fù)步驟C12,直到節(jié)點i的鄰居集合的所有節(jié)點均已遍歷。
5. 根據(jù)權(quán)利要求4所述的一種社交網(wǎng)絡(luò)中的用戶影響力評估方法，其特征在于，所述 步驟C11中，節(jié)點i的優(yōu)質(zhì)鄰居數(shù)為節(jié)點i的優(yōu)質(zhì)鄰居集合的大小，定義為：
其中i^l^Z表示給定的影響力等級最大值，里7表示節(jié)點/的鄰居節(jié)點中影響力等級不
小于X的優(yōu)質(zhì)鄰居集合，即節(jié)點i的鄰居節(jié)點中影響力等級不小于X的節(jié)點構(gòu)成的集合，定 義為：
其中M(i)表示節(jié)點i的鄰居節(jié)點集合，即由與節(jié)點i有邊相連的所有節(jié)點構(gòu)成的集 合，定義為：
其中別為社交網(wǎng)絡(luò)圖端]節(jié)點集合與邊集合； 初始化節(jié)點i的優(yōu)質(zhì)鄰居數(shù)的方法為；根據(jù)給定的影響力等級最大值必UZ，將節(jié)點i 的優(yōu)質(zhì)鄰居數(shù)I灰：/ |。|及/ |，..,.，|公/^ I均初始化為0。
6. 根據(jù)權(quán)利要求5所述的一種社交網(wǎng)絡(luò)中的用戶影響力評估方法，其特征在于， 所述步驟C12中，對于所遍歷的鄰居節(jié)點乂根據(jù)節(jié)點J前影響力等級，更新節(jié)點i的 優(yōu)質(zhì)鄰居數(shù)，具體方法為；若節(jié)點J前影響力等級與大于節(jié)點i的影響力等級7,，則對 足-|，|.么-盧'+1 |、.,一|義-嚴(yán)組I的值加1。
7. 根據(jù)權(quán)利要求6所述的一種社交網(wǎng)絡(luò)中的用戶影響力評估方法，其特征在于，所述 步驟C2中，根據(jù)計算得到的節(jié)點i的優(yōu)質(zhì)鄰居數(shù)，計算并更新節(jié)點i的影響力等級，具體方 法為：
其中心表示節(jié)點i的鄰居節(jié)點J前影響力等級，表示節(jié)點i的鄰居 節(jié)點集合中的影響力等級最大值，假設(shè)函數(shù)^^('^)二|每|，）二J + 1， /H,、'）二(乂托，由于/,u)是一個單調(diào)不增函數(shù)，aU)是一個單調(diào)遞增 函數(shù)，因此與U)在區(qū)間[7,，上存在一個唯一的最大值，該最大值即為節(jié)點i的 最終影響力等級/；。
8. 根據(jù)權(quán)利要求7所述的一種社交網(wǎng)絡(luò)中的用戶影響力評估方法，其特征在于，所述 步驟C3中，對節(jié)點的影響力等級進(jìn)行增益處理，具體公式為：
其中，//為步驟C2更新后的節(jié)點i的影響力等級，為增益處理后的節(jié)點i的影響力 等級，表示向下取整函數(shù)，《為增益函數(shù)，增益函數(shù)《的作用是控制節(jié)點影響力等級 的增益量，定義為：


其中〇〉0為增益參數(shù)，u為對數(shù)函數(shù)的底，J為增益因子，定義為：
即將優(yōu)質(zhì)鄰居數(shù)和節(jié)點自身影響力等級的乘積作為一個影響力基數(shù)，并根據(jù)鄰居影響 力等級總和W及所述影響力基數(shù)來設(shè)定增益因子 只對增益因子較大的節(jié)點的影響力等級作所述增益處理，即當(dāng)增益因子滿足^>公 時，才進(jìn)行所述增益處理，公為設(shè)定的增益闊值。
9.根據(jù)權(quán)利要求8所述的一種社交網(wǎng)絡(luò)中的用戶影響力評估方法，其特征在于，所述 步驟D中，重復(fù)步驟C，直到每個節(jié)點的影響力等級收斂，具體的迭代終止條件為；前后兩次 迭代的影響力等級相差值A(chǔ)小于闊值為所有節(jié)點前后兩次迭代影響力等級差值的 最大值，定義為：
其中7,(針1)為第針1次迭代時節(jié)點i的影響力等級，7,U)為第欲迭代時節(jié)點i的 影響力等級，似3節(jié)點數(shù)。

【專利摘要】本發(fā)明涉及一種社交網(wǎng)絡(luò)中的用戶影響力評估方法，該方法包括如下步驟：步驟A：讀取社交網(wǎng)絡(luò)數(shù)據(jù)，構(gòu)造以社交網(wǎng)絡(luò)用戶為節(jié)點，用戶關(guān)系為邊的社交網(wǎng)絡(luò)圖G；步驟B：根據(jù)社交網(wǎng)絡(luò)圖，遍歷社交網(wǎng)絡(luò)圖中的所有節(jié)點，根據(jù)節(jié)點的度初始化每個節(jié)點的影響力標(biāo)簽，結(jié)束遍歷；步驟C：根據(jù)社交網(wǎng)絡(luò)圖，遍歷社交網(wǎng)絡(luò)圖中的所有節(jié)點，根據(jù)所遍歷節(jié)點的鄰居節(jié)點的影響力等級，計算所遍歷節(jié)點的影響力等級；步驟D：重復(fù)步驟C，直到每個節(jié)點的影響力等級均收斂。該方法具有接近線性的線性時間復(fù)雜度，可有效地分析大規(guī)模社交網(wǎng)絡(luò)中的用戶影響力分布情況，挖掘高影響力用戶，可應(yīng)用于網(wǎng)絡(luò)營銷等領(lǐng)域。
【IPC分類】G06F17-30
【公開號】CN104598605
【申請?zhí)枴緾N201510046398
【發(fā)明人】牛玉貞, 陳羽中, 郭文忠, 羅宇敏
【申請人】福州大學(xué)
【公開日】2015年5月6日
【申請日】2015年1月30日