CN111178678A - 基于社团影响力的网络节点重要性评估方法 - Google Patents

Abstract

本发明属于网络数据挖掘技术领域，特别涉及一种基于社团影响力的网络节点重要性评估方法，包含：对社交网络进行社团划分，得到网络中的社团结构；计算每个社团的信息传播影响力、计算网络中每个节点对其连接的各社团的影响度；综合节点对其连接的社团的影响度和相应社团的影响力，评估节点在网络中通过社团间接传播信息的能力。本发明综合考虑节点对连接的社团的影响度、社团自身的信息传播能力，度量网络中的节点通过社团间接传播信息的能力，评估出重要节点，可以准确发现通过社团间接影响网络信息传播的重要节点，能够合理有效评估社交网络节点间接影响网络信息传播重要性，实现社交网络有效引导和控制，对社交网络舆情监测具有重要指导意义。

Description

基于社团影响力的网络节点重要性评估方法

技术领域

本发明属于网络数据挖掘技术领域，特别涉及一种基于社团影响力的网络节点重要性评估方法。

背景技术

随着信息技术的飞速发展，新浪微博、微信、QQ、Facebook、Flikr、Twitter等社交网络得到迅速发展在当前网络环境中，社交网络已经成为人类生活中不可或缺的一部分。在社交网络中识别对消息传播影响力较大的节点，在信息扩散、病毒营销、控制谣言、口碑传播等领域具有重要作用。这些节点在网络中重要性较高，影响力较大。节点影响力重要性的评估对社交网络的信息引导和控制具有重要意义。

目前常用的评估节点影响力的方法主要有三大类。一是基于中心性的算法，根据节点在网络拓扑结构上的中心性度量指标，如度中心性、介数中心性、邻近中心性等，来评估节点的重要性，将重要性高的节点识别为有影响的节点；此类算法仅基于网络结构特征评估出的重要节点不一定是对信息传播影响力大的节点。二是基于信息传播模型的算法，使用信息传播模型对信息传播过程进行模拟，计算出节点的激活范围，从中找出能够使影响力最大化的节点；此类算法直接计算节点的影响力以发现重要节点，不易发现一些通过社团来间接传播影响，直接影响力未必大但实际影响力较大的节点。三是基于社团的间接评估节点重要性的算法，对网络进行社团划分后采用节点在社团中的相关属性如节点在社团中的影响力、节点连接的社团数量、节点和社团内外节点的连接关系等评估节点的重要性，找出其中影响力大的节点；这些算法主要考虑了节点连接的社团数、节点和社团内外节点的关系，但是没有考虑不同的社团影响力不相同、节点对不同社团的影响力也不同的情况，对于通过社团间接传播影响力的节点的影响力评估结果不够准确。

发明内容

为此，本发明提供一种基于社团影响力的网络节点重要性评估方法，通过计算利用社团间接传播影响力的节点的重要性，可以有效对该类节点的重要性进行综合评估，提高社交网络中节点影响力评估的效果，具有较强的应用前景。

按照本发明所提供的设计方案，一种基于社团影响力的网络节点重要性评估方法，包含如下内容：

对社交网络进行社团划分，得到网络中的社团结构；

计算每个社团的信息传播影响力、网络中每个节点对其连接的各社团的影响度；

综合节点对其连接的社团的影响度和相应社团的影响力，评估节点在网络中通过社团间接传播信息的能力，即节点的重要度。

作为本发明基于社团影响力的网络节点重要性评估方法，进一步地，社团划分中，将社交网络表示为有向网络，并基于独立级联模型获取有向网络节点间的激活概率；基于标签传播思想对社交网络进行社团划分，得到网络社团结构。

作为本发明基于社团影响力的网络节点重要性评估方法，进一步地，基于标签传播思想对社交网络进行社团划分，包含如下内容：

网络中每个节点随机分配唯一用于代表网络节点所在社团的标签；

根据网络节点的度大小排序更新标签的网络节点顺序；

根据网络节点的度大小确定网络节点更新标签的顺序；

依据网络节点的更新顺序，将网络节点标签异步更新为其入邻居节点中激活概率之和最大的标签；

依据网络中所有网络节点的标签是否都是邻居节点中激活概率之和最大的标签，来判断标签更新是否结束，标签更新结束后得到网络的社团划分结果。

作为本发明基于社团影响力的网络节点重要性评估方法，进一步地，获取相同标签的网络节点划分中，当相邻节点中激活概率之和最大的标签不止一个时，随机选取其中一个标签作为节点的更新标签。

作为本发明基于社团影响力的网络节点重要性评估方法，进一步地，社团影响力计算中，一个社团的影响力计算中，首先计算该社团中每个节点到网络中一个节点v_i的激活概率；再依据该社团中所有节点到节点v_i的激活概率，计算该社团对节点v_i的激活概率；同理，得到该社团对网络中所有节点的激活概率；依据社团对网络中所有节点的激活概率，计算社团的影响规模期望，即社团的影响力。

作为本发明基于社团影响力的网络节点重要性评估方法，进一步地，节点对社团的影响度计算中，首先计算一个社团中每个节点被节点v_i激活的概率；然后依据得到的概率，计算该节点v_i在这个社团中的影响规模期望；用节点v_i在社团中的影响规模期望除以社团的节点数量，得到v_i对社团的影响度。

作为本发明基于社团影响力的网络节点重要性评估方法，进一步地，重要性评估中，依据社团的影响力及节点对社团的影响度，计算用于评估网络节点间接影响网络信息传播的重要性数值。

作为本发明基于社团影响力的网络节点重要性评估方法，进一步地，重要性数值计算公式表示为：

其中，Inf(v_i,C_l)表示目标节点v_i对社团的影响度，EXPs(C_l)表示社团C_l的影响力，n(C_l)为社团C_l中网络节点数量，Com(v_i)表示目标节点v_i连接的社团的集合。

本发明的有益效果：

本发明综合考虑节点对连接的社团的影响度、社团自身的信息传播能力，度量网络中的节点通过社团间接传播信息的能力，评估出重要节点，可以准确发现通过社团间接影响网络信息传播的重要节点，本发明中的方法和装置能够合理有效地评估社交网络中节点间接影响网络信息传播的重要性，从而实现社交网络信息的有效引导和控制，能够有效过滤净化网络环境，对社交网络舆情监测具有重要指导意义。

附图说明：

图1为实施例中重要性评估方法流程示意；

图2为实施例中网络节点重要性评估原理示意。

具体实施方式：

为使本发明的目的、技术方案和优点更加清楚、明白，下面结合附图和技术方案对本发明作进一步详细的说明。

网络往往具有社团结构，社团内部节点之间的连接相对较为紧密，各个社团之间的连接相对较为稀疏。一个节点如果和多个社团有联系，说明在社交网络中此人活跃在多种人群之中，受其传播消息的影响人群构成较复杂，影响力较大。本发明实施例中，参见图1所示，提供一种基于社团影响力的网络节点重要性评估方法，包含如下内容：

S101)对社交网络进行社团划分，得到网络中的社团结构；

S102)计算每个社团的信息传播影响力、网络中每个节点对其连接的各社团的影响度；

S103)综合节点对其连接的社团的影响度和相应社团的影响力，评估节点在网络中通过社团间接传播信息的能力，即节点的重要度。

通过评估社团的影响力、节点对社团的影响度，结合节点连接社团情况，综合评估节点的重要性，提高对通过社团间接传播影响力的节点重要性评估的准确性。

作为本发明实施例中的基于社团影响力的网络节点重要性评估方法，进一步地，社团划分中，将社会网络表示为有向网络，并基于独立级联模型获取有向网络节点间的激活概率；基于标签传播思想对社交网络进行社团划分，得到网络社团集合。

社交网络是一种复杂网络，本发明实施例中可表示为有向网络G＝(N,E)，其中N＝{v₁,v₂,v₃,...,v_m}为网络的节点集合，E＝{e(v_i,v_j)|v_i,v_j∈N}为网络中有向边的集合。基于独立级联模型这一概率传播模型，要求网络G中所有相邻节点v_i和v_j都存在一个概率p(v_i,v_j)∈[0,1]，该概率表示活跃节点v_i成功直接激活邻居节点v_i的概率。

直接相连的节点间的激活概率随机赋予0到1之间的值；非直接相连的节点v_i和v_j，如果节点v_i到节点v_j不可达，则v_i激活v_j的概率为0，即p(v_i,v_j)＝0，如果节点v_i到节点v_j可达，则节点v_i沿着路径激活节点v_j的概率为路径上的每条边上一个节点直接激活另个节点的乘积，节点v_i和节点v_j之间有m条路径Path(v_i,v_j)＝{Pp(v_i,v_j)₁,Pp(v_i,v_j)₂,...,Pp(v_i,v_j)_x}，其中一条路径为Path(v_i,v_j)_x＝<v_i＝v₁,v₂,...,v_j＝v_k>，节点v_i沿该路径激活节点v_j的概率Pp(v_i,v_j)_x，计算公式如下：

其中Pp(v_i,v_j)_x为节点v_i通过路径Path(v_i,v_j)_x激活节点v_j的概率，p(v_u,v_u+1)为节点v_u激活邻居节点v_u+1的概率。以此可以计算出节点v_i和v_j之间所有路径的激活概率，不同的路径激活概率不同，取其中概率最大的一条路径的概率作为节点v_i激活非相邻可达节点v_j的概率p(v_i,v_j)。

基于标签传播的思想对社团进行划分，得到网络的社团集合Community＝{C₁,C₂,...,C_y}。

作为本发明实施例中的基于社团影响力的网络节点重要性评估方法，进一步地，基于标签传播思想对社交网络进行社团划分，包含如下内容：

网络中每个节点随机分配唯一用于代表网络节点所在社团的标签；

根据网络节点的度大小排序更新标签的网络节点顺序；

根据网络节点的度大小确定网络节点更新标签的顺序；

依据网络节点的更新顺序，将网络节点标签异步更新为其入邻居节点中激活概率之和最大的标签；

依据网络中所有网络节点的标签是否都是邻居节点中激活概率之和最大的标签，来判断标签更新是否结束，标签更新结束后得到网络的社团划分结果。

基于标签传播思想进行社团划分中，首先，标签初始化，给网络中每个节点随机分配唯一的标签l，该标签代表节点所在社团；然后，确定异步更新标签的节点顺序，计算节点的度，根据节点的度由大到小排列异步更新标签的节点顺序；再者，更新节点的标签，根据更新标签的节点顺序，逐个更新节点的标签，将节点v_j的标签更新为其入邻居节点中激活概率之和最大的标签，标签更新公式可表示如下：

表示节点v_j待更新的标签，

表示节点v_i的标签，IN(v_i)＝{v_i|(v_i,v_j)∈E}表示到节点v_j有入边的邻居的集合，p(v_i,v_j)表示节点v_i到v_j的激活概率，δ(l_i,l)为克罗内克函数。最后，终止判断，判断网络中所有的节点的标签是否都是邻居节点中激活概率之和最大的标签，若不是则重复执行更新节点的标签步骤，若是，则计算终止，此时具有相同标签的节点属于同一个社团。

作为本发明实施例中的基于社团影响力的网络节点重要性评估方法，进一步地，获取相同标签的网络节点划分中，当相邻节点中激活概率之和最大的标签不止一个时，随机选取其中一个标签作为节点的更新标签。

作为本发明实施例中的基于社团影响力的网络节点重要性评估方法，进一步地，社团影响力计算中，首先计算社团中每个节点到目标节点的激活概率，再依据社团中所有节点到目标节点的激活概率，计算整个社团对网络中目标节点的激活概率，得到社团对网络中所有节点的激活概率，最后依据社团对网络中所有节点的激活概率，计算社团的影响规模期望，即社团的影响力。

在独立级联模型中，根据独立事件的概率乘法定理计算社团C_l对网络中某个节点v_j的激活概率Ps(C_l,v_j)，该激活概率由社团所有节点到目标节点的激活概率根据概率乘法得出。社团C_l对节点v_j的激活概率Ps(C_l,v_j)，计算公式为：

根据激活概率Ps(C_l,v_j)计算社团C_l的影响规模期望EXPs(C_l)，计算公式如下：

其中N为网络中所有节点的集合。计算出的每个社团的影响规模期望，就是社团的影响力。

作为本发明实施例中的基于社团影响力的网络节点重要性评估方法，进一步地，节点对社团的影响度计算中，首先计算社团中每个节点被目标节点激活的概率；然后依据计算得到的概率计算该目标节点在这个社团中的影响规模期望；该影响规模期望除以社团的节点数量得到节点对社团的影响度。

在已知节点v_i到其任意可达节点的激活概率后，根据独立事件发生的数学期望，把节点v_i的激活节点的范围限定在社团C_l，得到节点v_i对社团C_l中节点的影响规模期望EXPn(v_i,C_l)，计算公式如下：

其中C_l为社团C_l中所有节点的集合。节点在社团C_l中的影响规模期望EXPn(v_i,C_l)除以社团C_l的节点数量n(C_l)，就是节点对社团的影响度Inf(v_i,C_l)，计算公式如下：

作为本发明实施例中的基于社团影响力的网络节点重要性评估方法，进一步地，重要性评估中，依据节点对连接的社团的影响度、社团自身的信息传播能力，计算度量网络中的节点通过社团间接传播信息的能力，即节点的重要性，重要性数值计算公式表示为：

其中，Inf(v_i,C_l)表示目标节点v_i对社团的影响度，EXPs(C_l)表示社团C_l影响力，n(C_l)为社团C_l中网络节点数量，Com(v_i)表示目标节点v_i及其出边邻居所在的社团集合。

本发明实施例中使用社团划分算法对网络进行社团划分，对划分后的社团使用信息传播模型来计算社团的影响力，并通过计算一个节点对在一个社团中的影响规模和社团节点数量之比来评估节点对社团的影响度，综合节点对连接的社团的影响度以及社团自身的影响力，对节点的重要性进行评估，得到节点通过社团间接传播影响力的重要性。通过评估社团的影响力、节点对社团的影响度，结合节点连接的社团情况综合评估节点的重要性，进一步提高对通过社团间接传播影响力的节点重要性评估的准确性和有效性。

为验证本发明实施例中技术方案的有效性，下面结合数据样本对本发明做进一步解释说明：

基于两个公开的社交网络数据集对提出的方法进行了实验，两个数据集分别是Facebook数据集和邮件数据集，数据集的基本信息如表1所示：

表1数据集的基本信息

数据集	节点数	边数	网络密度	平均出度	最小出度	最大出度	描述
								Facebook	4039	176468	0.0108200	43.691	1	1045	Facebook中的好友关系
邮件	1866	5517	0.0015853	2.9566	0	330	用户之间的通信情况

实验过程：参见图2所示，首先对两个数据集进行了社团划分，然后计算社团自身的影响力和节点对社团的影响度，最后综合评估得出节点的重要性。本发明实施例中的节点重要性I与节点的度中心性Degree_out、介数中心性Betweenness、节点直接连接的社团数量V-community进行了比对，并以节点基于独立级联模型计算出的激活节点的数量Influencescale作为评价指标评估方法的有效性。

Facebook数据集中节点重要性前十的节点的各项数据如表2所示，Email数据集中节点重要性前十的节点的各项数据如表3所示。

表2 Facebook数据集中节点重要性排名前十的节点

节点编号	Degree<sub>out</sub>	Betweenness	V-community	I	Influencescale
						107	1045	0.480518	11	12227.468	3874.939
3437	547	0.236115	14	11849.017	3622.140
						563	91	0.062780	7	8008.597	3791.743
1593	32	0.000553	6	7922.979	3495.210
						0	347	0.146305	11	7714.364	3700.363
1173	115	0.000942	6	7627.214	3602.769
						606	91	0.000997	5	7343.892	3440.250
1687	43	0.000907	5	7064.857	3796.674
						1684	792	0.337797	8	6935.021	3478.205
428	115	0.064309	7	6397.974	3582.737

表3邮件数据集中节点重要性排名前十的节点

节点编号	Degree<sub>out</sub>	Betweenness	V-community	I	Influencescale
						1957	3	0	3	803.4425465	693.26
1159	155	0.050850	5	778.5791855	703.88
						1312	6	0	5	756.1487419	647.72
993	44	0.015875	3	718.0338654	704.08
						1882	4	0	4	714.651491	645.12
1669	241	0.128871	3	693.0661212	701.62
						869	36	0.003789	3	683.0508954	702.42
1	96	0.025603	3	674.3651542	706.34
						1618	17	0	5	667.307672	704.86
585	75	0.008709	2	653.1068147	708.86

从表2和表3中可以观察到：I高的节点，Influencescale都很高；I高的节点，Degree_out、Betweenness不一定高，有些甚至很低；I高的节点，V-community不一定高，有些甚至很低。还可以看出：Degree_out、Betweenness、V-community低的节点有些也具有很高的Influencescale，说明Degree_out、Betweenness、V-community和Influencescale相关性不强，而本方法评估得出的节点重要性I和Influencescale相关性高。由此可以看出本方法能够有效地对通过社团间接传播影响力的节点的重要性进行评估。

本发明实施例中，基于节点联系的社团越多、联系的社团的影响力越大、节点对社团的影响越深，节点通过社团传播影响力的能力越强这一思想，在划分社团后的网络中采用影响力传播规模期望度量社团自身的影响力和节点对连接的社团的影响度，在此基础上综合计算出节点的重要性，能够合理有效地评估社交网络中目标节点影响力的重要性，从而实现社交网络信息的有效引导和控制，能够有效过滤净化网络环境，对社交网络舆情监测具有重要指导意义。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。

基于上述的方法，本发明实施例还提供一种服务器，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述的方法。

基于上述的方法，本发明实施例还提供一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现上述的方法。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种基于社团影响力的网络节点重要性评估方法，其特征在于，包含：

对社交网络进行社团划分，得到网络中的社团结构；

计算每个社团的信息传播影响力、及网络中每个节点对其连接的各社团的影响度；

综合节点对其连接的社团的影响度和相应社团的影响力，获取用于评估节点在网络中通过社团间接传播信息能力的节点重要度。

2.根据权利要求1所述的基于社团影响力的网络节点重要性评估方法，其特征在于，将社会网络表示为有向网络，并基于独立级联模型获取有向网络节点间的激活概率；基于标签传播思想对社交网络进行社团划分，得到网络社团集合。

3.根据权利要求2所述的基于社团影响力的网络节点重要性评估方法，其特征在于，基于标签传播思想对社交网络进行社团划分，包含如下内容：

网络中每个节点随机分配唯一用于代表网络节点所在社团的标签；

根据网络节点的度大小确定网络节点标签的更新顺序；

依据网络节点标签的更新顺序，将网络节点标签异步更新为其入邻居节点中激活概率之和最大的标签；

依据网络中所有网络节点的标签是否都是邻居节点中激活概率之和最大的标签，来判断标签更新是否结束；

依据标签更新得到网络的社团划分结果。

4.根据权利要求3所述的基于社团影响力的网络节点重要性评估方法，其特征在于，更新节点标签过程中，当相邻节点中激活概率之和最大的标签不止一个时，随机选取其中一个标签作为节点的更新标签。

5.根据权利要求1所述的基于社团影响力的网络节点重要性评估方法，其特征在于，社团的信息传播影响力计算中，首先依据社团中所有节点到节点v_j的激活概率，得到社团对节点v_j的激活概率，进而得到该社团对网络中所有节点的激活概率；然后依据社团对网络中所有节点的激活概率，计算社团的影响规模期望，以该计算得到的影响规模期望作为社团的信息传播影响力。

6.根据权利要求5所述的社团的影响力计算方法，其特征在于，社团的影响规模期望计算公式表示为：

其中，Ps(C_l,v_j)为社团对节点v_j的激活概率，

N为网络中所有节点的集合，p(v_i,v_j)为节点v_i到节点v_j的激活概率，C_l为社团C_l的节点集合。

7.根据权利要求1所述的基于社团影响力的网络节点重要性评估方法，其特征在于，节点对社团的影响度计算中，首先计算社团中每个节点被节点v_i激活的概率；然后依据得到的概率，计算该节点v_i在这个社团中的影响规模期望；用节点v_i在社团中的影响规模期望除以社团的节点数量，得到节点v_i对社团的影响度。

8.根据权利要求7所述的节点对社团的影响度计算方法，其特征在于，节点对社团的影响度计算公式表示为：

其中，EXPn(v_i,C_l)为节点v_i在社团C_l中的影响规模期望，

n(C_l)为社团C_l的节点数量，p(v_i,v_j)为节点v_i到节点v_j的激活概率，C_l为社团C_l的节点集合。

9.根据权利要求1所述的基于社团影响力的网络节点重要性评估方法，其特征在于，节点重要度计算中，依据社团的影响力及节点对社团的影响度，计算用于评估网络节点间接影响网络信息传播的重要性数值。

10.根据权利要求9所述的基于社团影响力的网络节点重要性评估方法，其特征在于，节点重要度计算公式表示为：

其中，Inf(v_i,C_l)表示目标节点v_i对社团的影响度，EXPs(C_l)表示社团C_l的影响力，n(C_l)为社团C_l中网络节点数量，Com(v_i)表示目标节点v_i连接的社团的集合。

Images