CN112258227A - 一种基于区块链的软件用户权重值最大化方法 - Google Patents

一种基于区块链的软件用户权重值最大化方法 Download PDF

Info

Publication number
CN112258227A
CN112258227A CN202011128919.0A CN202011128919A CN112258227A CN 112258227 A CN112258227 A CN 112258227A CN 202011128919 A CN202011128919 A CN 202011128919A CN 112258227 A CN112258227 A CN 112258227A
Authority
CN
China
Prior art keywords
node
nodes
software
focus
user
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.)
Pending
Application number
CN202011128919.0A
Other languages
English (en)
Inventor
不公告发明人
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.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
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 Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN202011128919.0A priority Critical patent/CN112258227A/zh
Publication of CN112258227A publication Critical patent/CN112258227A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Computing Systems (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明属于软件用户评价技术领域，具体涉及一种基于区块链的软件用户权重值最大化方法。本发明包括：(1)输入软件节点网络图Ga＝(Va,Ea)，和节点聚焦的焦点题目za；Va是软件节点网络图Ga中所有用户节点的集合；Ea是软件节点网络图中节点构成的边的集合；(2)获取与焦点题目有关联的节点，记录节点的坐标，形成区块链区域范围，对区块链区域范围内的节点进行筛选，得到焦点节点集等。本发明在基于兴趣度的传播模型下，根据目标主题对数据集进行筛选，在选取区域链范围后，使用元组对节点的主题信息，选取出潜力节点，并通过传播模型进行权重值传播，确保能够选出最具有代表性的潜力节点，具有显著的效率性和准确性。

Description

一种基于区块链的软件用户权重值最大化方法
技术领域
本发明属于软件用户评价技术领域，具体涉及一种基于区块链的软件用户权重值最大化方法。
背景技术
目前，国内用户使用量超大软件都采用针对用户权重设值，评价用户等级进而配置资源的形式进行用户体验管理。如某直播或短视频平台，针对点击量和区域时间的热度来提高用户等级，允许向其他用户推荐该账号。或者某外卖平台，根据用户的评价水平，对账号进行排名，打出各类榜单，针对性的向区域用户推荐等。但是目前并没有一个比较成熟或者比较稳定的方法，通过计算区块链内的数据，对用户权重值进行提升和最大化。相关的对比文件包括：吉林大学2020年由吴孟函发表的《基于短视频平台的用户分析模型研究与实现》以及王沁在《现代计算机》发表的《基于高传播影响力用户的舆情引导策略研究》等，但是这些对比文件大多认为账户是持久的和静止态的，其次忽略了其对种子集的选择。
发明内容
本发明的目的在于提供一种高效率和准确率的基于区块链的软件用户权重值最大化方法。
一种基于区块链的软件用户权重值最大化方法，包括如下步骤：
(1)输入软件节点网络图Ga＝(Va,Ea)，和节点聚焦的焦点题目za；Va是软件节点网络图Ga中所有用户节点的集合；Ea是软件节点网络图中节点构成的边的集合；
(2)获取与焦点题目有关联的节点，记录节点的坐标，形成区块链区域范围，对区块链区域范围内的节点进行筛选，得到焦点节点集；
(2.1)计算软件节点网络图中用户节点va(x,y)对于焦点题目za的敏感度
Figure BDA0002734471490000016
其中
Figure BDA0002734471490000017
表示焦点题目za在用户节点va的分布，即用户节点va对焦点题目za的兴趣度；va∈Va，a＝1,2,…n，n为Ga中va的数量；x,y为节点坐标，va(x,y)简写为va；
(2.2)计算Ga中Va对于za的兴趣度阈值βza；
Figure BDA0002734471490000011
nEa为Ea的数量
(2.3)对Ga中每一个用户节点va，判断
Figure BDA0002734471490000012
是否成立；若
Figure BDA0002734471490000013
则删除该节点，若
Figure BDA0002734471490000014
保留在焦点节点集
Figure BDA0002734471490000015
(3)对焦点节点集Pc，生成元组，当与焦点题目有关联的节点产生变化时，重新执行步骤(2)并更新元组；
对焦点节点集Pc生成元组Qc，
Figure BDA0002734471490000021
Figure BDA0002734471490000022
为Pc对za中题目兴趣度；Ha为软件节点网络图的子图，为当焦点节点集Pc中的用户节点对题目兴趣度发生改变时，判断节点是否与目标主题相关，如果不相关则删除用户节点的变化；否则更新元组Qc，得到新的软件节点网络图；
(4)选出权重值最大的潜力节点；
(4.1)令时间序列t＝1，选择元组Qc中题目兴趣度最大的节点作为潜力节点，记为顶点vs；
(4.2)检查每个子图(zi,nEa,Hi)，i为节点序号，如果vs∈V(Hi)则将顶点vs删除；V(Hi)为在子图Hi内的节点zi的集合；
(4.3)令t＝t+1，重新执行步骤(4.1)和步骤(4.2)；
(4.4)达到时间序列阈值t＝k，输出顶点集{v1,v2,…,vk}。
所述用户节点间的联系度Ja代表va节点与其他节点之间的联系频率。
Figure BDA0002734471490000023
公式中，
Figure BDA0002734471490000024
代表节点va与其他节点之间联系的次数，NEa为软件节点网络图中节点构成的边的数量，n为节点标号。
软件中节点va之间信息的传播概率
Figure BDA0002734471490000025
受焦点题目分布的影响。节点之间的焦点题目分布越相似，节点va之间信息传播概率就越大。
Figure BDA0002734471490000026
焦点题目相似度，代表节点vai之间的焦点题目相似度，节点vai的焦点题目
Figure BDA0002734471490000027
za1,…,zaT∈Za
Figure BDA0002734471490000028
公式中，Za代表所有焦点题目的集合，T为焦点题目的个数。
焦点题目接受度
Figure BDA0002734471490000029
代表用户节点va对特定焦点题目za的接受程度。
Figure BDA00027344714900000210
公式中，nza代表用户节点va对焦点题目的接受数目，nj代表用户节点va对特定的焦点题目zaj的信息的接受数目。考虑上面的三个因素，我们可以求出在特定的主题下，节点之间的传播概率
Figure BDA0002734471490000031
的公式。
本发明的有益效果在于：
本发明在基于兴趣度的传播模型下，根据目标主题对数据集进行筛选，在选取区域链范围后，使用元组对节点的主题信息，选取出潜力节点，并通过传播模型进行权重值传播。当筛选后的集合内的节点以及节点的题目兴趣度发生变化时，实时更新元组，确保能够选出最具有代表性的潜力节点，具有显著的效率性和准确性。
附图说明
图1为本发明方法示意图。
具体实施方式
下面结合附图对本发明做进一步描述。
实施例1
一种基于区块链的软件用户权重值最大化方法，包括如下步骤：采用某音和某手这两个网络软件的数据集来验证本发明方法性能。这两个网络软件，用户账号都可以通过平台发布信息，也可以接受其他用户账号的信息。利用题目兴趣度传播模型分别对两个软件的数据集进行主题挖掘，筛选出兴趣度依次排名前8名的题目分别为{社会，美食，体育，旅游，养生，科技，军事，影视}。对这些题目相关联的节点进行搜集，在特定题目的区块链限制下，寻找权值溪水最大的种子集。由于软件整体网络中一部分用户不关注改题目，因此不具有传播可能性，需要对软件内存在的所有用户账号根据题目进行筛选。用户账号作为节点，彼此的激活概率GL受节点之间联系的紧密度影响。两个节点之间联系的次数越多，则这两个节点的关系更紧密，彼此之间更容易传播消息。
(1)输入软件节点网络图Ga＝(Va,Ea)，和节点聚焦的焦点题目za；Va是软件节点网络图Ga中所有用户节点的集合；Ea是软件节点网络图中节点构成的边的集合；
用户节点间的联系度Ja代表va节点与其他节点之间的联系频率。
Figure BDA0002734471490000032
公式中，
Figure BDA0002734471490000033
代表节点va与其他节点之间联系的次数，NEa为软件节点网络图中节点构成的边的数量，n为节点标号。
(2)获取与焦点题目有关联的节点，记录节点的坐标，形成区块链区域范围，对区块链区域范围内的节点进行筛选，得到焦点节点集；
软件中节点va之间信息的传播概率
Figure BDA0002734471490000041
受焦点题目分布的影响。节点之间的焦点题目分布越相似，节点va之间信息传播概率就越大。
Figure BDA0002734471490000042
焦点题目相似度，代表节点vai之间的焦点题目相似度，节点vai的焦点题目
Figure BDA0002734471490000043
za1,…,zaT∈Za
Figure BDA0002734471490000044
公式中，Za代表所有焦点题目的集合，T为焦点题目的个数。
(2.1)计算软件节点网络图中用户节点va(x,y)对于焦点题目za的敏感度
Figure BDA0002734471490000045
其中
Figure BDA0002734471490000046
表示焦点题目za在用户节点va的分布，即用户节点va对焦点题目za的兴趣度；va∈Va，a＝1,2,…n，n为Ga中va的数量；x,y为节点坐标，va(x,y)简写为va；
(2.2)计算Ga中Va对于za的兴趣度阈值βza；
Figure BDA0002734471490000047
nEa为Ea的数量
(2.3)对Ga中每一个用户节点va，判断
Figure BDA0002734471490000048
是否成立；若
Figure BDA0002734471490000049
则删除该节点，若
Figure BDA00027344714900000410
保留在焦点节点集
Figure BDA00027344714900000411
(3)对焦点节点集Pc，生成元组，当与焦点题目有关联的节点产生变化时，重新执行步骤(2)并更新元组；
对焦点节点集Pc生成元组Qc，
Figure BDA00027344714900000412
Figure BDA00027344714900000413
为Pc对za中题目兴趣度；Ha为软件节点网络图的子图，为当焦点节点集Pc中的用户节点对题目兴趣度发生改变时，判断节点是否与目标主题相关，如果不相关则删除用户节点的变化；否则更新元组Qc，得到新的软件节点网络图；
焦点题目接受度
Figure BDA00027344714900000414
代表用户节点va对特定焦点题目za的接受程度。
Figure BDA00027344714900000415
公式中，nza代表用户节点va对焦点题目的接受数目，nj代表用户节点va对特定的焦点题目zaj的信息的接受数目。考虑上面的三个因素，我们可以求出在特定的主题下，节点之间的传播概率
Figure BDA00027344714900000416
的公式。
Figure BDA0002734471490000051
式中
Figure BDA0002734471490000052
λ为软件设置的调和因子，通常情况下λ取值为0.45。
(4)选出权重值最大的潜力节点；
(4.1)令时间序列t＝1，选择元组Qc中题目兴趣度最大的节点作为潜力节点，记为顶点vs；
(4.2)检查每个子图(zi,nEa,Hi)，i为节点序号，如果vs∈V(Hi)则将顶点vs删除；V(Hi)为在子图Hi内的节点zi的集合；
(4.3)令t＝t+1，重新执行步骤(4.1)和步骤(4.2)；
(4.4)达到时间序列阈值t＝k，输出顶点集{v1,v2,…,vk}。
当软件节点对焦点题目的兴趣发生改变时，首先通过软件节点的题目向量判定软件节点是否与焦点题目相关，如果不相关则忽略该软件节点的变化。否则根据软件节点的信息，进行不同的操作，如果节点的题目向量发生改变，那么我们会更新元组，得到最符合现状的动态关联网络，这样才选取出最准确的潜力节点。
本发明在基于兴趣度的传播模型下，根据目标主题对数据集进行筛选，在选取区域链范围后，使用元组对节点的主题信息，选取出潜力节点，并通过传播模型进行权重值传播。当筛选后的集合内的节点以及节点的题目兴趣度发生变化时，实时更新元组，确保能够选出最具有代表性的潜力节点，具有显著的效率性和准确性。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于区块链的软件用户权重值最大化方法，其特征在于，包括如下步骤：
(1)输入软件节点网络图Ga＝(Va,Ea)，和节点聚焦的焦点题目za；Va是软件节点网络图Ga中所有用户节点的集合；Ea是软件节点网络图中节点构成的边的集合；
(2)获取与焦点题目有关联的节点，记录节点的坐标，形成区块链区域范围，对区块链区域范围内的节点进行筛选，得到焦点节点集；
(2.1)计算软件节点网络图中用户节点va(x,y)对于焦点题目za的敏感度
Figure FDA00027344714800000110
其中
Figure FDA00027344714800000111
表示焦点题目za在用户节点va的分布，即用户节点va对焦点题目za的兴趣度；va∈Va，a＝1,2,…n，n为Ga中va的数量；x,y为节点坐标，va(x,y)简写为va；
(2.2)计算Ga中Va对于za的兴趣度阈值βza；
Figure FDA0002734471480000011
nEa为Ea的数量
(2.3)对Ga中每一个用户节点va，判断
Figure FDA0002734471480000012
是否成立；若
Figure FDA0002734471480000013
则删除该节点，若
Figure FDA0002734471480000014
保留在焦点节点集
Figure FDA0002734471480000015
(3)对焦点节点集Pc，生成元组，当与焦点题目有关联的节点产生变化时，重新执行步骤(2)并更新元组；
对焦点节点集Pc生成元组Qc，
Figure FDA0002734471480000016
Figure FDA0002734471480000017
为Pc对za中题目兴趣度；Ha为软件节点网络图的子图，为当焦点节点集Pc中的用户节点对题目兴趣度发生改变时，判断节点是否与目标主题相关，如果不相关则删除用户节点的变化；否则更新元组Qc，得到新的软件节点网络图；
(4)选出权重值最大的潜力节点；
(4.1)令时间序列t＝1，选择元组Qc中题目兴趣度最大的节点作为潜力节点，记为顶点vs；
(4.2)检查每个子图(zi,nEa,Hi)，i为节点序号，如果vs∈V(Hi)则将顶点vs删除；V(Hi)为在子图Hi内的节点zi的集合；
(4.3)令t＝t+1，重新执行步骤(4.1)和步骤(4.2)；
(4.4)达到时间序列阈值t＝k，输出顶点集{v1,v2,…,vk}。
2.根据权利要求1所述的一种基于区块链的软件用户权重值最大化方法，其特征在于，所述用户节点间的联系度Ja代表va节点与其他节点之间的联系频率；
Figure FDA0002734471480000018
公式中，
Figure FDA0002734471480000019
代表节点va与其他节点之间联系的次数，NEa为软件节点网络图中节点构成的边的数量，n为节点标号。
3.根据权利要求2所述的一种基于区块链的软件用户权重值最大化方法，其特征在于，软件中节点va之间信息的传播概率
Figure FDA0002734471480000021
受焦点题目分布的影响；节点之间的焦点题目分布越相似，节点va之间信息传播概率就越大；
Figure FDA0002734471480000022
为焦点题目相似度，代表节点vai之间的焦点题目相似度，节点vai的焦点题目
Figure FDA0002734471480000023
Figure FDA0002734471480000024
公式中，Za代表所有焦点题目的集合，T为焦点题目的个数。
4.根据权利要求3所述的一种基于区块链的软件用户权重值最大化方法，其特征在于，焦点题目接受度
Figure FDA0002734471480000025
代表用户节点va对特定焦点题目za的接受程度，
Figure FDA0002734471480000026
公式中，nza代表用户节点va对焦点题目的接受数目，nj代表用户节点va对特定的焦点题目zaj的信息的接受数目；考虑上面的三个因素，我们可以求出在特定的主题下，节点之间的传播概率
Figure FDA0002734471480000027
的公式。
CN202011128919.0A 2020-10-20 2020-10-20 一种基于区块链的软件用户权重值最大化方法 Pending CN112258227A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011128919.0A CN112258227A (zh) 2020-10-20 2020-10-20 一种基于区块链的软件用户权重值最大化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011128919.0A CN112258227A (zh) 2020-10-20 2020-10-20 一种基于区块链的软件用户权重值最大化方法

Publications (1)

Publication Number Publication Date
CN112258227A true CN112258227A (zh) 2021-01-22

Family

ID=74245300

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011128919.0A Pending CN112258227A (zh) 2020-10-20 2020-10-20 一种基于区块链的软件用户权重值最大化方法

Country Status (1)

Country Link
CN (1) CN112258227A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06251062A (ja) * 1993-02-26 1994-09-09 Sony Corp 情報表示方法および装置
US20050134589A1 (en) * 2003-12-18 2005-06-23 Heer Jeffrey M. Systems and methods for the estimation of user interest in graph theoretic structures
CN108491449A (zh) * 2018-02-25 2018-09-04 河南理工大学 一种基于近邻特征传播标签的社区发现方法
CN111683121A (zh) * 2020-05-22 2020-09-18 哈尔滨工程大学 基于DPoS的云端数据溯源区块链共识机制改进方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06251062A (ja) * 1993-02-26 1994-09-09 Sony Corp 情報表示方法および装置
US20050134589A1 (en) * 2003-12-18 2005-06-23 Heer Jeffrey M. Systems and methods for the estimation of user interest in graph theoretic structures
CN108491449A (zh) * 2018-02-25 2018-09-04 河南理工大学 一种基于近邻特征传播标签的社区发现方法
CN111683121A (zh) * 2020-05-22 2020-09-18 哈尔滨工程大学 基于DPoS的云端数据溯源区块链共识机制改进方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王平;朱明;: "基于RSS信息源的用户兴趣建模与更新", 计算机仿真, no. 12, 28 December 2005 (2005-12-28), pages 56 - 59 *

Similar Documents

Publication Publication Date Title
CN104731954B (zh) 基于群透视音乐推荐方法与系统
Zhang et al. Integrating topic and latent factors for scalable personalized review-based rating prediction
Li et al. A new QoS-aware web service recommendation system based on contextual feature recognition at server-side
Wang et al. A flexible spatio-temporal indexing scheme for large-scale GPS track retrieval
CN107256241B (zh) 基于网格与差异替换改进多目标遗传算法的电影推荐方法
CN109034562B (zh) 一种社交网络节点重要性评估方法及系统
JP2009099145A (ja) 対象領域におけるディジタル情報開示方法
CN104778237A (zh) 一种基于关键用户的个性化推荐方法和系统
CN109871479A (zh) 一种基于用户项目类及评分可靠性的协同过滤方法
CN111523055A (zh) 一种基于农产品特征属性评论倾向的协同推荐方法及系统
Lee et al. Using dynamically promoted experts for music recommendation
CN105678590A (zh) 一种面向社交网络基于云模型的topN推荐方法
Wang et al. Interactive probabilistic post-mining of user-preferred spatial co-location patterns
CN106791964A (zh) 广播电视节目推荐系统及方法
CN111651678A (zh) 一种基于知识图谱的个性化推荐方法
CN111491175A (zh) 一种基于视频内容特征的边缘网络缓存方法和装置
Loizou et al. Recommender systems for the semantic web
Calumby et al. Diversity-based interactive learning meets multimodality
CN110457592A (zh) 一种基于图熵的社交网络推荐方法
Salehi et al. KATZ centrality with biogeography-based optimization for influence maximization problem
Pichl et al. # nowplaying on# Spotify: Leveraging Spotify information on Twitter for artist recommendations
CN112258227A (zh) 一种基于区块链的软件用户权重值最大化方法
Liang The Application of Multi‐Source Big Data Mining Techniques in the Analysis of Basketball Economic Management
Shi et al. Long-term effects of user preference-oriented recommendation method on the evolution of online system
Pebrianti et al. Hybrid method for churn prediction model in the case of telecommunication companies

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