CN108183956B - 一种传播网络的关键路径提取方法 - Google Patents

一种传播网络的关键路径提取方法 Download PDF

Info

Publication number
CN108183956B
CN108183956B CN201711475729.4A CN201711475729A CN108183956B CN 108183956 B CN108183956 B CN 108183956B CN 201711475729 A CN201711475729 A CN 201711475729A CN 108183956 B CN108183956 B CN 108183956B
Authority
CN
China
Prior art keywords
node
path
nodes
network
influence
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201711475729.4A
Other languages
English (en)
Other versions
CN108183956A (zh
Inventor
刘金硕
牟成豪
李改潮
李晨曦
李扬眉
杨广益
陈煜森
邓娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN201711475729.4A priority Critical patent/CN108183956B/zh
Publication of CN108183956A publication Critical patent/CN108183956A/zh
Application granted granted Critical
Publication of CN108183956B publication Critical patent/CN108183956B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/14—Session management
    • H04L67/141—Setup of application sessions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/12—Shortest path evaluation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种传播网络的关键路径提取方法，传播网络中添加一个额外节点，并与传播网络中的每一个节点建立双向连接；计算额外节点传播网络中任意两节点间的节点相似度；通过额外节点传播网络中节点总数初始化节点影响力列向量，并建立概率转移矩阵，进行全局投票迭代以更新节点影响力列向量；遍历排除额外节点传播网络中任意两个用户节点的最短路径，并对每条最短路径构建路径节点影响力行向量以及路径节点相似度行向量；进一步计算得到每条最短路径的路径综合影响力以对每条最短路径进行排序得到关键路径。本发明解决了社交网络平台上关键传播路径的挖掘问题，并可用于舆情监控与干预、谣言检测等网络信息监控领域。

Description

一种传播网络的关键路径提取方法
技术领域
本发明属于网络信息挖掘领域，涉及一种传播网络的关键路径提取方法。
背景技术
近年来，社交平台的蓬勃发展带来了大量信息监管问题，特别是在舆情管控、干预领域。除了发现在社交网络中的关键节点，也就是引导公众舆情走向的意见领袖外，挖掘这些节点之间的传播路径也显得十分重要。现阶段的绝大多数研究集中在了关键节点的识别和路径的特征分析，对其传播的关键路径的深入挖掘较少，这将使得搜索舆情以及谣言检测的传播路径变得尤为困难。
发明内容
为了解决社交网络平台上信息传播网络关键路径的挖掘问题，本发明的技术方案为一种传播网络的关键路径提取方法。包括以下步骤：
步骤1，传播网络中添加一个额外节点得到额外节点传播网络，并与传播网络中的每一个节点建立双向连接从而建立强连通图；
步骤2，计算额外节点传播网络中任意两节点间的节点相似度；
步骤3，通过额外节点传播网络中节点总数初始化节点影响力列向量，根据节点相似度以及节点出度建立概率转移矩阵，进行全局投票迭代并在每次全局投票迭代中通过概率转移矩阵更新节点影响力列向量；
步骤4，遍历排除额外节点传播网络中任意两个节点的最短路径，并对每条最短路径构建路径节点影响力行向量以及路径节点相似度行向量；
步骤5，通过额外节点传播网络中路径节点影响力行向量以及路径节点相似度行向量计算得到每条最短路径的路径综合影响力，根据路径综合影响力对每条最短路径进行排序得到关键路径。
作为优选，步骤1中所述传播网路为信息传播网络；
作为优选，步骤2中所述节点相似度的计算公式为：
Figure BDA0001532782730000011
其中，所述额外节点网络中节点个数为N，aij为节点布尔值，若节点i与节点j之间存在连接则aij＝1，否则aij＝0，Sj(i,j)表示节点i与节点j之间对于节点j的节点相似度，F1(i)表示节点i的关注节点集合，F2(i)表示节点i的被关注节点集合，F1(j)表示节点j的关注节点集合，F2(j)表示节点j的被关注节点集合，d表示阻尼系数，用来平衡关注节点集合与被关注节点集合两个因素的权重,max表示求0.01与
Figure BDA0001532782730000021
之间的最大值；
作为优选，步骤3中所述节点影响力列向量为：
Figure BDA0001532782730000022
其中，所述额外节点网络中节点个数为N，I0～IN表示节点0至节点N的影响力I0～IN初始化均为1/N；
步骤3中所述概率转移矩阵为：
Figure BDA0001532782730000023
Figure BDA0001532782730000024
其中，所述额外节点网络中节点个数为N，pij表示从节点j投票给节点i的票数，Kj表示节点j在额外节点传播网络中的节点出度，Sj(i，j)表示节点i与节点j之间对于节点j的节点相似度；
步骤3中所述每次全局投票迭代的过程为：
vt+1＝Mvt(0≤t≤Ti)
其中，Ti为最大迭代次数，vt表示第t次全局投票迭代的节点影响力列向量，每次全局投票迭代通过概率转移矩阵更新节点影响力列向量至到最大迭代次数Ti或者
Figure BDA0001532782730000025
M为已经全局投票迭代的次数，β为给定的阈值；
作为优选，步骤4中遍历所述排除额外节点传播网络中任意两用户节点最短路径，所述路径节点影响力行向量为：
Figure BDA0001532782730000031
其中，所述额外节点网络中节点个数为N，尾部填充0进行位数全局对齐,表示节点i到n的最短路径的路径节点影响力行向量；
步骤4中所述路径节点相似度行向量为：
Figure BDA0001532782730000032
其中，所述额外节点网络中节点个数为N，尾部填充0进行位数全局对齐,表示节点i到n的最短路径的路径节点相似度行向量；
作为优选，步骤5中所述路径综合影响力为：
PRi＝Pi,nPi,S T(0≤i,n≤N-1)
其中，所述额外节点网络中节点个数为N，通过计算获得所述额外节点传播网络中步骤4中所述每条最短路径的路径综合影响力，进一步根据路径综合影响力从大到小排序，从而得到步骤4中任意两个节点的最短路径的重要性排序。
与现有技术相比，本发明将信息传播路径抽象为用户节点的影响力，以及用户之间的社交相似度的量化描述。通过传播路径的综合影响力计算，从而解决了关键路径的挖掘问题。
附图说明
图1：是本发明实施例的方法流程图；
图2：是本发明实施例添加额外节点后的传播网络示意图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
请见图1，是本发明实施例的方法流程图；请见图2，为本发明实施例添加额外节点后的传播网络示意图，虚线表示的是现有传播网络中参与信息传播的边，而实线表示的是额外节点的所有双向的连接边。本发明提供一种传播网络的关键路径提取方法，包括以下步骤：步骤1：传播网络中由节点0至节点5这6个节点构成，在传播网络中添加一个额外节点6得到具有7个节点的额外节点传播网络，并与传播网络中的每一个节点建立双向连接从而建立强连通图。
步骤2：根据公式(1)计算额外节点传播网络中任意两节点间的节点相似度。
Figure BDA0001532782730000041
其中，N＝7，即所述额外节点网络中节点个数为7，aij为节点布尔值，若节点i与节点j之间存在连接则aij＝1，否则aij＝0，Sj(i,j)表示节点i与节点j之间对于节点j的节点相似度，如图2所述可知，箭头指向的节点为关注节点，箭头出发的节点为被关注节点，F1(i)表示节点i的关注节点集合，F2(i)表示节点i的被关注节点集合，F1(j)表示节点j的关注节点集合，F2(j)表示节点j的被关注节点集合，d＝0.5表示阻尼系数用来平衡关注节点集合与被关注节点集合两个因素的权重,max表示求0.01与
Figure BDA0001532782730000042
之间的最大值。
步骤3：在额外节点传播网络中通过公式(2)建立节点影响力列向量，根据公式(3)及公式(4)建立概率转移矩阵，进行全局投票迭代并在每次全局投票迭代中通过公式(5)更新节点影响力列向量。
Figure BDA0001532782730000043
其中，N＝7，即所述额外节点网络中节点个数为7，I0～IN表示节点0至节点N的影响力I0～IN，I0～IN初始化均为1/N即1/7。
Figure BDA0001532782730000044
Figure BDA0001532782730000045
其中，N＝7，即所述额外节点网络中节点个数为7，pij表示从节点j投票给节点i的票数，Kj表示节点j在额外节点传播网络中的节点出度，Sj(i，j)表示节点i与节点j之间对于节点j的节点相似度可通过公式(1)计算获得。
vt+1＝Mvt(0≤t≤Ti) (5)
其中，Ti为最大迭代次数且Ti＝20，vt表示第t次全局投票迭代的节点影响力列向量，每次全局投票迭代通过概率转移矩阵更新节点影响力列向量至到最大迭代次数Ti或者
Figure BDA0001532782730000051
M为已经全局投票迭代的次数，β为给定的阈值且β＝0.05。
步骤4：通过最短路径方法遍历排除额外节点传播网络中任意两个用户节点之间的最短路径，并通过公式(6)及公式(7)对每条最短路径构建路径节点影响力行向量以及路径节点相似度行向量。
Figure BDA0001532782730000052
其中，N＝7，即所述额外节点网络中节点个数为7，尾部填充0进行位数全局对齐,表示节点i到n的最短路径的路径节点影响力行向量；
Figure BDA0001532782730000053
其中，N＝7，即所述额外节点网络中节点个数为7，尾部填充0进行位数全局对齐,表示节点i到n的最短路径的路径节点相似度行向量。
步骤5：通过公式(8)计算得到每条最短路径的路径综合影响力，根据路径综合影响力对每条最短路径进行排序得到关键路径。
PRi＝Pi,nPi,S T(0≤i,n≤N-1) (8)
其中，N＝7，即所述额外节点网络中节点个数为7，通过计算获得所述额外节点传播网络中步骤4中所述每条最短路径的路径综合影响力，进一步根据每条最短路径的路径综合影响力从大到小排序，从而得到步骤4中任意两个用户节点的最短路径的重要性排序。
应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (2)

1.一种传播网络的关键路径提取方法，其特征在于，包括以下步骤：
步骤1：传播网络中添加一个额外节点得到额外节点传播网络，并与传播网络中的每一个节点建立双向连接从而建立强连通图；
步骤2：计算额外节点传播网络中任意两节点间的节点相似度；
步骤3：通过额外节点传播网络中节点总数初始化节点影响力列向量，根据节点相似度以及节点出度建立概率转移矩阵，进行全局投票迭代并在每次全局投票迭代中通过概率转移矩阵更新节点影响力列向量；
步骤4：遍历排除额外节点传播网络中任意两个用户节点的最短路径，并对每条最短路径构建路径节点影响力行向量以及路径节点相似度行向量；
步骤5：通过额外节点传播网络中路径节点影响力行向量以及路径节点相似度行向量计算得到每条最短路径的路径综合影响力，根据路径综合影响力对每条最短路径进行排序得到关键路径。
2.根据权利要求1所述的传播网络的关键路径提取方法，其特征在于，步骤1中所述传播网络为信息传播网络；
步骤2中所述节点相似度的计算公式为：
Figure FDA0002419731030000011
其中，所述额外节点网络中节点个数为N，aij为节点布尔值，若节点i与节点j之间存在连接则aij＝1，否则aij＝0，Sj(i,j)表示节点i与节点j之间对于节点j的节点相似度，F1(i)表示节点i的关注节点集合，F2(i)表示节点i的被关注节点集合，F1(j)表示节点j的关注节点集合，F2(j)表示节点j的被关注节点集合，d表示阻尼系数，用来平衡关注节点集合与被关注节点集合两个因素的权重,max表示求0.01与
Figure FDA0002419731030000012
之间的最大值；
步骤3中所述节点影响力列向量为：
Figure FDA0002419731030000013
其中，所述额外节点网络中节点个数为N，I0～IN表示节点0至节点N的影响力I0～IN初始化均为1/N；
步骤3中所述概率转移矩阵为：
Figure FDA0002419731030000021
Figure FDA0002419731030000022
其中，所述额外节点网络中节点个数为N，pij表示从节点j投票给节点i的票数，Kj表示节点j在额外节点传播网络中的节点出度，Sj(i,j)表示节点i与节点j之间对于节点j的节点相似度；
步骤3中所述每次全局投票迭代的过程为：
vt+1＝Mvt(0≤t≤Ti)
其中，Ti为最大迭代次数，vt表示第t次全局投票迭代的节点影响力列向量，每次全局投票迭代通过概率转移矩阵更新节点影响力列向量至到最大迭代次数Ti或者
Figure FDA0002419731030000023
M为已经全局投票迭代的次数，β为给定的阈值；
步骤4中遍历排除额外节点的传播网络中任意两个节点的最短路径，所述路径节点影响力行向量为：
Figure FDA0002419731030000024
其中，所述额外节点网络中节点个数为N，尾部填充0进行位数全局对齐,表示节点i到n的最短路径的路径节点影响力行向量；
步骤4中所述路径节点相似度行向量为：
Figure FDA0002419731030000025
其中，所述额外节点网络中节点个数为N，尾部填充0进行位数全局对齐,表示节点i到n的最短路径的路径节点相似度行向量；
作为优选，步骤5中所述路径综合影响力为：
PRi＝Pi,nPi,S T(0≤i,n≤N-1)
其中，所述额外节点网络中节点个数为N，通过计算获得所述额外节点传播网络中步骤4中所述每条最短路径的路径综合影响力，进一步根据路径综合影响力从大到小排序，从而得到步骤4中任意两个用户节点的最短路径的重要性排序。
CN201711475729.4A 2017-12-29 2017-12-29 一种传播网络的关键路径提取方法 Expired - Fee Related CN108183956B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711475729.4A CN108183956B (zh) 2017-12-29 2017-12-29 一种传播网络的关键路径提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711475729.4A CN108183956B (zh) 2017-12-29 2017-12-29 一种传播网络的关键路径提取方法

Publications (2)

Publication Number Publication Date
CN108183956A CN108183956A (zh) 2018-06-19
CN108183956B true CN108183956B (zh) 2020-05-12

Family

ID=62549217

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711475729.4A Expired - Fee Related CN108183956B (zh) 2017-12-29 2017-12-29 一种传播网络的关键路径提取方法

Country Status (1)

Country Link
CN (1) CN108183956B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110955846A (zh) * 2018-09-26 2020-04-03 北京国双科技有限公司 传播路径图生成方法及装置
CN109657906B (zh) * 2018-11-12 2023-09-05 平安科技（深圳）有限公司 谣言传播风险的分析方法及装置、存储介质、计算机设备
CN110110974B (zh) * 2019-04-17 2022-03-29 福建天泉教育科技有限公司 关键意见领袖的识别方法及计算机可读存储介质
CN110837608B (zh) * 2019-11-07 2024-04-12 中科天玑数据科技股份有限公司 一种基于多源数据的舆情话题传播路径分析系统和方法
CN113450558B (zh) * 2020-03-27 2022-11-08 上海仙豆智能机器人有限公司 一种识别网络关键节点的方法、系统及存储介质
CN117811992B (zh) * 2024-02-29 2024-05-28 山东海量信息技术研究院 一种网络不良信息传播抑制方法、装置、设备及存储介质
CN118096417A (zh) * 2024-04-28 2024-05-28 江西求是高等研究院 一种传播网络模式发掘方法、系统、计算机及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8407081B1 (en) * 2003-12-30 2013-03-26 ProcessProxy Corporation Method and system for improving effciency in an organization using process mining
CN104092567A (zh) * 2014-06-26 2014-10-08 华为技术有限公司 确定用户的影响力排序的方法与装置
WO2015178756A1 (en) * 2014-05-23 2015-11-26 Mimos Berhad Adaptive-window edit distance algorithm computation
CN105654342A (zh) * 2015-12-30 2016-06-08 云南大学 社会网络合作影响传播最大化的初始用户选择方法
CN106776958A (zh) * 2016-12-05 2017-05-31 公安部第三研究所 基于关键路径的违法网站识别系统及其方法
CN106888159A (zh) * 2017-02-28 2017-06-23 东南大学 基于在线社交平台群聊消息的群组间消息传播路径挖掘方法与系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8407081B1 (en) * 2003-12-30 2013-03-26 ProcessProxy Corporation Method and system for improving effciency in an organization using process mining
WO2015178756A1 (en) * 2014-05-23 2015-11-26 Mimos Berhad Adaptive-window edit distance algorithm computation
CN104092567A (zh) * 2014-06-26 2014-10-08 华为技术有限公司 确定用户的影响力排序的方法与装置
CN105654342A (zh) * 2015-12-30 2016-06-08 云南大学 社会网络合作影响传播最大化的初始用户选择方法
CN106776958A (zh) * 2016-12-05 2017-05-31 公安部第三研究所 基于关键路径的违法网站识别系统及其方法
CN106888159A (zh) * 2017-02-28 2017-06-23 东南大学 基于在线社交平台群聊消息的群组间消息传播路径挖掘方法与系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
社会网络节点影响力分析研究;韩忠明,陈炎,刘雯,原碧鸿,李梦琪,段大高;《软件学报》;20161012;全文 *

Also Published As

Publication number Publication date
CN108183956A (zh) 2018-06-19

Similar Documents

Publication Publication Date Title
CN108183956B (zh) 一种传播网络的关键路径提取方法
CN110837602B (zh) 基于表示学习和多模态卷积神经网络的用户推荐方法
US11361188B2 (en) Method and apparatus for optimizing tag of point of interest
CN102722709B (zh) 一种垃圾图片识别方法和装置
CN110880019B (zh) 通过无监督域适应训练目标域分类模型的方法
CN107391542B (zh) 一种基于文件知识图谱的开源软件社区专家推荐方法
CN111932386B (zh) 用户账号确定方法及装置、信息推送方法及装置、电子设备
CN112988917B (zh) 一种基于多种实体上下文的实体对齐方法
CN103761254A (zh) 多领域服务主题匹配推荐方法
CN113422761B (zh) 基于对抗学习的恶意社交用户检测方法
CN113095948B (zh) 一种基于图神经网络的多源异构网络用户对齐方法
CN105654144A (zh) 一种基于机器学习的社交网络本体构建方法
CN111008337A (zh) 一种基于三元特征的深度注意力谣言鉴别方法及装置
Gao et al. CNL: collective network linkage across heterogeneous social platforms
CN111709244A (zh) 一种用于矛盾纠纷事件因果关系识别的深度学习方法
CN111597331A (zh) 一种基于贝叶斯网络的裁判文书分类方法
CN113628059A (zh) 一种基于多层图注意力网络的关联用户识别方法及装置
CN115270007B (zh) 一种基于混合图神经网络的poi推荐方法及系统
CN103164428A (zh) 确定微博与给定实体的相关性的方法和装置
CN109783805A (zh) 一种网络社区用户识别方法及装置
CN117540223A (zh) 基于ap算法的社交网络舆情传播转发链条挖掘方法及装置
CN113283243B (zh) 一种实体与关系联合抽取的方法
CN116307078A (zh) 账户标签预测方法、装置、存储介质及电子设备
CN115587192A (zh) 关系信息抽取方法、设备及计算机可读存储介质
CN104200222A (zh) 一种基于因子图模型的图片中对象识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200512

Termination date: 20201229