CN114417184A - 一种种子节点筛选方法、装置、设备、存储介质 - Google Patents
一种种子节点筛选方法、装置、设备、存储介质 Download PDFInfo
- Publication number
- CN114417184A CN114417184A CN202210333978.4A CN202210333978A CN114417184A CN 114417184 A CN114417184 A CN 114417184A CN 202210333978 A CN202210333978 A CN 202210333978A CN 114417184 A CN114417184 A CN 114417184A
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- candidate
- seed
- screening
- 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
Links
- 238000012216 screening Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 230000004927 fusion Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种种子节点筛选方法、装置、设备、存储介质,涉及人工智能技术领域,包括:计算预先构建的网络图中的节点的结构洞特征,并从所有节点中筛选出结构洞特征满足预设条件的节点作为第一候选节点;利用派系过滤算法对网络图进行处理得到网络图对应的社团;将在不同社团中出现的节点确定为第二候选节点,并将每个社团中度中心性最大的节点确定为第三候选节点;分别计算第一候选节点、第二候选节点以及第三候选节点的影响力传播分数,并将影响力传播系数满足预设条件的候选节点作为网络图中的种子节点。通过本申请可以通过扩大候选节点的选取范围,提高算法的整体效率,进而提高网络的影响力。
Description
技术领域
本发明涉及人工智能技术领域,特别涉及一种种子节点筛选方法、装置、设备、存储介质。
背景技术
目前,针对在复杂网络中影响力传播研究领域,求解复杂网络的影响力最大化的过程中通常只采用一种因素评估对节点的影响力,如社团结构、邻居及二阶邻居影响力等,没有综合考虑多种因素对重要节点的影响,如:CoFIM算法,将节点的影响力表示为节点在其直接邻居中的传播能力和其直接邻居在其所属社团内部的传播能力之和,通过两项指标近似衡量节点在整个网络中的传播能力,在该算法中,社团划分不重叠。
综上,如何实现提高选取种子节点的准确度,并提高对社团结构的利用率、进而提高复杂网络的影响力是本领域有待解决的问题。
发明内容
有鉴于此,本发明的目的在于提供一种种子节点筛选方法、装置、设备、存储介质,能够实现提高选取种子节点的准确度,并提高对社团结构的利用率、进而提高复杂网络的影响力。其具体方案如下:
第一方面,本申请公开了一种种子节点筛选方法,包括:
计算预先构建的网络图中的节点的结构洞特征,并从所有所述节点中筛选出结构洞特征满足预设条件的节点作为第一候选节点;
利用派系过滤算法对所述网络图进行处理得到所述网络图对应的社团;
将在不同所述社团中出现的节点确定为第二候选节点,并将每个所述社团中度中心性最大的节点确定为第三候选节点;
分别计算所述第一候选节点、所述第二候选节点以及所述第三候选节点的影响力传播分数,并将所述影响力传播系数满足预设条件的候选节点作为所述网络图中的种子节点。
可选的,所述利用派系过滤算法对所述网络图进行处理得到所述网络图对应的社团,包括:
从所述网络图中确定出所有完全子图,以得到相应的派系;
检测连边的所述派系,以得到由所述派系构成的若干数量个社团。
可选的,所述计算预先构建的网络图中的节点的结构洞特征,并从所有所述节点中筛选出结构洞特征满足预设条件的节点作为第一候选节点,包括:
对预先构建的网络图中的所有节点进行节点约束系数的计算,以得到对应节点的约束系数,并利用所述约束系数从所述节点中筛选出具有结构洞性质的节点作为第一候选节点。
可选的,所述将每个所述社团中度中心性最大的节点确定为第三候选节点,包括:
利用度中心性策略计算所述社团中的所有节点的度中心性,以得到每个所述社团中度中心性最大的节点,并将每个所述社团中所述度中心性最大的节点确定为第三候选节点。
可选的,所述分别计算所述第一候选节点、所述第二候选节点以及所述第三候选节点的影响力传播分数,并将所述影响力传播系数满足预设条件的候选节点作为所述网络图中的种子节点,包括:
利用基于概率的多跳传播算法、候选节点的一阶邻居节点信息、候选节点的二阶邻居节点信息、邻居节点所在社团信息,计算每一候选节点的影响力传播分数,并筛选所述影响力传播分数满足预设条件的候选节点作为所述网络图中的种子节点。
可选的,所述筛选所述影响力传播分数满足预设条件的候选节点作为所述网络图中的种子节点,包括:
筛选所述影响力传播分数最大且不是已有种子节点邻居的候选节点作为种子节点。
可选的,所述筛选所述影响力传播分数最大且不是已有种子节点邻居的候选节点作为种子节点,包括:
重复执行所述筛选影响力传播分数最大且不是已有种子节点邻居的候选节点作为种子节点的步骤,直至遍历所有候选节点。
第二方面,本申请公开了一种种子节点筛选装置,包括:
第一节点筛选模块,用于计算预先构建的网络图中的节点的结构洞特征,并从所有所述节点中筛选出结构洞特征满足预设条件的节点作为第一候选节点;
社团获取模块,用于利用派系过滤算法对所述网络图进行处理得到所述网络图对应的社团;
第二节点获取模块,用于将在不同所述社团中出现的节点确定为第二候选节点;
第三节点获取模块,用于将每个所述社团中度中心性最大的节点确定为第三候选节点;
种子节点筛选模块,用于分别计算所述第一候选节点、所述第二候选节点以及所述第三候选节点的影响力传播分数,并将所述影响力传播系数满足预设条件的候选节点作为所述网络图中的种子节点。
第三方面,本申请公开了一种电子设备,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序,以实现如前述公开的种子节点筛选方法的步骤。
第四方面,本申请公开了一种计算机可读存储介质,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现如前述公开的种子节点筛选方法的步骤。
可见,本申请公开了一种种子节点筛选方法,包括:计算预先构建的网络图中的节点的结构洞特征,并从所有所述节点中筛选出结构洞特征满足预设条件的节点作为第一候选节点;利用派系过滤算法对所述网络图进行处理得到所述网络图对应的社团;将在不同所述社团中出现的节点确定为第二候选节点,并将每个所述社团中度中心性最大的节点确定为第三候选节点;分别计算所述第一候选节点、所述第二候选节点以及所述第三候选节点的影响力传播分数,并将所述影响力传播系数满足预设条件的候选节点作为所述网络图中的种子节点。由此可见,通过第一候选节点、第二候选节点、第三候选节点的选择,提高了候选节点选择的效率,提升算法性能,并且通过融合节点和邻居节点的社团的改进算法计算候选节点的影响力传播分数,并从中筛选出网络图的种子节点,对原算法计算节点的影响力传播分数的准确度有了进一步的提升。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种种子节点筛选方法流程图;
图2为本申请公开的一种复杂网络结构洞示意图;
图3为本申请公开的一种具体的种子节点筛选方法流程图;
图4为本申请公开的一种具体的种子节点筛选方法流程图;
图5为本申请公开的一种种子节点筛选装置结构示意图;
图6为本申请公开的一种电子设备结构图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前,针对在复杂网络中影响力传播研究领域,求解复杂网络的影响力最大化的过程中通常只采用一种因素评估对节点的影响力,如社团结构、邻居及二阶邻居影响力等,没有综合考虑多种因素对重要节点的影响,如:CoFIM算法,将节点的影响力表示为节点在其直接邻居中的传播能力和其直接邻居在其所属社团内部的传播能力之和,通过两项指标近似衡量节点在整个网络中的传播能力,在该算法中,社团划分不重叠。
为此,本申请提供了一种种子节点筛选方案,能够实现提高选取种子节点的准确度,并提高对社团结构的利用率、进而提高复杂网络的影响力。
参照图1所示,本发明实施例公开了一种种子节点筛选方法,具体包括:
步骤S11:计算预先构建的网络图中的节点的结构洞特征,并从所有所述节点中筛选出结构洞特征满足预设条件的节点作为第一候选节点。
本实施例中,预先根据多个节点构建一个复杂网络图,其中,表示节点的集合,表示网络中边的集合;计算预先构建的网络图中的节点的结构洞特征,可以理解的是,所述节点的结构洞特征表示为在复杂网络中,不直接相连的两个节点之间,若能通过某个中间节点实现间接链接,则将所述中间节点称为具有结构洞性质的节点。参照图2所示,节点1和节点2不直接连接,但节点1和节点2分别和节点4直接连接,那么所述节点4为具有结构洞特征的节点。然后,从所有所述节点中筛选出结构洞特征满足预设条件的节点作为第一候选节点,可以理解的是,利用结构洞算法计算所述所有节点的结构洞特征的大小,进一步筛选出结构洞特征满足预设条件的节点作为第一候选节点,例如:根据计算出的节点的结构洞特征结果,对所述节点的结构洞特征按照从大到小的顺序进行排列,筛选所述结构洞特征排名靠前的节点作为第一候选节点。
步骤S12:利用派系过滤算法对所述网络图进行处理得到所述网络图对应的社团。
本实施例中,利用CPM(Cluster Percolation method,派系过滤算法)对所述网络图进行处理以得到所述网络图对应的社团,其中,获取到的社团可以重叠,大大利用了所述网络图处理后得到的社团结构。
步骤S13:将在不同所述社团中出现的节点确定为第二候选节点,并将每个所述社团中度中心性最大的节点确定为第三候选节点。
本实施例中,通过得到所述网络图对应的社团,将在不同所述社团中出现的节点确定为第二候选节点,可以理解的是,例如:节点5同时出现在社团1、社团4和社团6中,则将所述节点5确定为第二候选节点,或者节点8同时出现在所有社团中,则将所述节点8确定为第二候选节点;计算每个所述社团中的所有节点的度中心性,也就是说计算每个社团中一个节点与其他节点直接连接的总和,例如:一个由26个节点组成的社团,计算社团中每个节点跟其社团中其他节点的连接数量,进而通过连接数量可以判断哪个节点具有最大的度中心性,有时节点的度中心性也用节点的Size(尺寸)来表达,一个节点的Size越大,就说明该节点所占据的度中心性越高。比如在上面的26个节点的社团中,节点1和15个节点有连接,节点2和10个节点有连接,就可以知道所述节点1比所述节点2的度中心性高,所述节点1比所述节点2在这个26个节点的社团中的社交面要广,将所述节点1确定为第三候选节点,如果节点1和15个节点有连接,节点2也和15个节点有连接,则将所述节点1和节点2均确定为第三候选节点。
步骤S14:分别计算所述第一候选节点、所述第二候选节点以及所述第三候选节点的影响力传播分数,并将所述影响力传播系数满足预设条件的候选节点作为所述网络图中的种子节点。
本实施例中,利用改进后的影响力传播算法分别对所述第一候选节点、所述第二候选节点以及所述第三候选节点的影响力传播分数进行计算,第一次选取具有最大影响力分数的候选节点作为种子节点,从第二次开始选择具有最大影响力分数且不是已有种子节点邻居的候选节点作为种子节点。重复执行所述筛选影响力传播分数最大且不是已有种子节点邻居的候选节点作为种子节点的步骤,直至遍历所有候选节点。
可见,本申请公开了一种种子节点筛选方法,包括:计算预先构建的网络图中的节点的结构洞特征,并从所有所述节点中筛选出结构洞特征满足预设条件的节点作为第一候选节点;利用派系过滤算法对所述网络图进行处理得到所述网络图对应的社团;将在不同所述社团中出现的节点确定为第二候选节点,并将每个所述社团中度中心性最大的节点确定为第三候选节点;分别计算所述第一候选节点、所述第二候选节点以及所述第三候选节点的影响力传播分数,并将所述影响力传播系数满足预设条件的候选节点作为所述网络图中的种子节点。由此可见,通过第一候选节点、第二候选节点、第三候选节点的选择,提高了候选节点选择的效率,提升算法性能,并且通过融合节点和邻居节点的社团的改进算法计算候选节点的影响力传播分数,并从中筛选出网络图的种子节点,对原算法计算节点的影响力传播分数的准确度有了进一步的提升。
参照图3所示,本发明实施例公开了一种具体的种子节点筛选方法,相对于上一实施例,本实施例对技术方案作了进一步的说明和优化。具体的:
步骤S21:对预先构建的网络图中的所有节点进行节点约束系数的计算,以得到对应节点的约束系数,并利用所述约束系数从所述节点中筛选出具有结构洞性质的节点作为第一候选节点。
本实施例中,对预先构建的网络图中的所有节点进行节点约束系数的计算,以得到对应节点的约束系数,通过计算节点的约束系数并通过所述节点的约束系数大小作为衡量所述节点的结构洞特征大小的标准,其中,所述约束系数为以节点对其他节点的依赖程度作为评价标准,所述约束系数越大,依赖性越强,依赖性越强,能力越小,跨越结构洞的可能性越小;计算节点的约束系数公式如下:
步骤S22:从所述网络图中确定出所有完全子图,以得到相应的派系;检测连边的所述派系,以得到由所述派系构成的若干数量个社团。
本实施例中,预先找到所述网络图中的所有完全子图,根据所述完全子图找出网络中的所有派系,其中,派系是所述网络图中至少包含三个节点的完全子图,派系中的节点两两相互连接,并且在一个派系之外不存在其他节点也和该派系中的所有节点都相互连接。而派系与派系之间继续连边就构成了社团,根据确定的所述派系构造网络的派系和派系之间的重叠矩阵,此对称矩阵中的每一行(列)代表一个派系,对角线上的元素表示对应派系的规模,非对角线上的其他元素表示对应的两个派系之间的公共节点的数量;用给定的k值对第二步得到的矩阵进行处理,将非对角线元素中小于k−1和对角线元素中小于k的元素用0替代,其余的元素用1替代;通过上述处理后对应对角线上为1的派系就是k-派系,非对角线上为1表示对应的两个派系是相邻的,通过矩阵可以找到连通的k-派系,它们构成的集合就是k-派系社团。
步骤S23:将在不同所述社团中出现的节点确定为第二候选节点,并将每个所述社团中度中心性最大的节点确定为第三候选节点。
步骤S24:分别计算所述第一候选节点、所述第二候选节点以及所述第三候选节点的影响力传播分数,并将所述影响力传播系数满足预设条件的候选节点作为所述网络图中的种子节点。
由此可见,本实施例中通过利用CPM对网络进行社团检测得到网络的社团结构,方便了后续扩大筛选候选节点的范围,并且充分利用了社团结构的因素对筛选种子节点的影响。
参照图4所示,本发明实施例公开了一种具体的种子节点筛选方法,相对于上一实施例,本实施例对技术方案作了进一步的说明和优化。具体的:
步骤S31:计算预先构建的网络图中的节点的结构洞特征,并从所有所述节点中筛选出结构洞特征满足预设条件的节点作为第一候选节点。
步骤S32:利用派系过滤算法对所述网络图进行处理得到所述网络图对应的社团。
步骤S33:将在不同所述社团中出现的节点确定为第二候选节点,利用度中心性策略计算所述社团中的所有节点的度中心性,以得到每个所述社团中度中心性最大的节点,并将每个所述社团中所述度中心性最大的节点确定为第三候选节点。
其中,上述步骤S31、S32、S33的具体实施过程参照前述实施例公开的内容,在此不再进行赘述。
步骤S34:利用基于概率的多跳传播算法、候选节点的一阶邻居节点信息、候选节点的二阶邻居节点信息、邻居节点所在社团信息,计算每一候选节点的影响力传播分数,并筛选所述影响力传播分数满足预设条件的候选节点作为所述网络图中的种子节点。
本实施例中,通过融合了节点社团数目的Prob-Degree算法对社团中的种子节点进行筛选。Prob-Degree在计算节点影响力时引入了多阶邻居,利用候选节点的邻居及二阶邻居计算候选节点的影响力传播分数,原Prob-Degree算法公式如下:
本申请,在计算一阶二阶邻居数量的基础上,引入了候选节点社团的数目,邻居越多,候选节点和邻居节点所在社团越多,则证明该候选节点更核心,有更大的影响力,改进后的Prob-Degree算法如下:
本实施例中,根据上述改进Prob-Degree算法对候选节点进行影响力传播分数计算,选择具有最大影响力分数的候选节点加入到种子集合,之后选择具有最大影响力分数且不为已有种子节点邻居的候选节点加入到种子集合中,重复此步骤,直到得到所有的种子节点。相较于CoFIM算法的将节点的影响力表示为节点在其直接邻居中的传播能力和其直接邻居在其所属社团内部的传播能力之和,通过两项指标近似衡量节点在整个网络中的传播能力,本实施例改进的Prob-Degree算法在计算节点影响力时引入了多阶邻居,利用节点的邻居及二阶邻居计算节点的影响力传播分数。
由此可见,本申请首先采用结构洞概念选择部分候选节点,再通过划分社团结构,将社团中属于多个社团的节点加入候选集合,大大提高了候选节点选择的效率,提升算法性能,提高算法的整体效率。同时将社团结构用于对Prob-Degree算法的改进,融合了节点和邻居节点的社团数计算节点的影响力,对原算法节点的影响力准确度有了进一步提升。
参照图5所示,本发明实施例公开了一种具体的种子节点筛选装置,包括:
第一节点筛选模块11,用于计算预先构建的网络图中的节点的结构洞特征,并从所有所述节点中筛选出结构洞特征满足预设条件的节点作为第一候选节点;
社团获取模块12,用于利用派系过滤算法对所述网络图进行处理得到所述网络图对应的社团;
第二节点获取模块13,用于将在不同所述社团中出现的节点确定为第二候选节点;
第三节点获取模块14,用于将每个所述社团中度中心性最大的节点确定为第三候选节点;
种子节点筛选模块15,用于分别计算所述第一候选节点、所述第二候选节点以及所述第三候选节点的影响力传播分数,并将所述影响力传播系数满足预设条件的候选节点作为所述网络图中的种子节点。
可见,本申请公开了一种种子节点筛选方法,包括:计算预先构建的网络图中的节点的结构洞特征,并从所有所述节点中筛选出结构洞特征满足预设条件的节点作为第一候选节点;利用派系过滤算法对所述网络图进行处理得到所述网络图对应的社团;将在不同所述社团中出现的节点确定为第二候选节点,并将每个所述社团中度中心性最大的节点确定为第三候选节点;分别计算所述第一候选节点、所述第二候选节点以及所述第三候选节点的影响力传播分数,并将所述影响力传播系数满足预设条件的候选节点作为所述网络图中的种子节点。由此可见,通过第一候选节点、第二候选节点、第三候选节点的选择,提高了候选节点选择的效率,提升算法性能,并且通过融合节点和邻居节点的社团的改进算法计算候选节点的影响力传播分数,并从中筛选出网络图的种子节点,对原算法计算节点的影响力传播分数的准确度有了进一步的提升。
进一步的,本申请实施例还公开了一种电子设备,图6是根据一示例性实施例示出的电子设备20结构图,图中的内容不能认为是对本申请的使用范围的任何限制。
图6为本申请实施例提供的一种电子设备20的结构示意图。该电子设备20,具体可以包括:至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中,所述存储器22用于存储计算机程序,所述计算机程序由所述处理器21加载并执行,以实现前述任一实施例公开的种子节点筛选方法中的相关步骤。另外,本实施例中的电子设备20具体可以为电子计算机。
本实施例中,电源23用于为电子设备20上的各硬件设备提供工作电压;通信接口24能够为电子设备20创建与外界设备之间的数据传输通道,其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议,在此不对其进行具体限定;输入输出接口25,用于获取外界输入数据或向外界输出数据,其具体的接口类型可以根据具体应用需要进行选取,在此不进行具体限定。
另外,存储器22作为资源存储的载体,可以是只读存储器、随机存储器、磁盘或者光盘等,其上所存储的资源可以包括操作系统221、计算机程序222、数据223等,存储方式可以是短暂存储或者永久存储。其中,数据223可以包括从外界获取到的各种数据,也可以包括设备自身产生的数据等。
其中,操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222,其可以是Windows Server、Netware、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的种子节点筛选方法的计算机程序之外,还可以进一步包括能够用于完成其他特定工作的计算机程序。
进一步的,本申请还公开了一种计算机可读存储介质,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现前述公开的种子节点筛选方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容,在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种种子节点筛选方法、装置、设备、存储介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种种子节点筛选方法,其特征在于,包括:
计算预先构建的网络图中的节点的结构洞特征,并从所有所述节点中筛选出结构洞特征满足预设条件的节点作为第一候选节点;
利用派系过滤算法对所述网络图进行处理得到所述网络图对应的社团;
将在不同所述社团中出现的节点确定为第二候选节点,并将每个所述社团中度中心性最大的节点确定为第三候选节点;
分别计算所述第一候选节点、所述第二候选节点以及所述第三候选节点的影响力传播分数,并将所述影响力传播系数满足预设条件的候选节点作为所述网络图中的种子节点。
2.根据权利要求1所述的种子节点筛选方法,其特征在于,所述利用派系过滤算法对所述网络图进行处理得到所述网络图对应的社团,包括:
从所述网络图中确定出所有完全子图,以得到相应的派系;
检测连边的所述派系,以得到由所述派系构成的若干数量个社团。
3.根据权利要求1所述的种子节点筛选方法,其特征在于,所述计算预先构建的网络图中的节点的结构洞特征,并从所有所述节点中筛选出结构洞特征满足预设条件的节点作为第一候选节点,包括:
对预先构建的网络图中的所有节点进行节点约束系数的计算,以得到对应节点的约束系数,并利用所述约束系数从所述节点中筛选出具有结构洞性质的节点作为第一候选节点。
4.根据权利要求1所述的种子节点筛选方法,其特征在于,所述将每个所述社团中度中心性最大的节点确定为第三候选节点,包括:
利用度中心性策略计算所述社团中的所有节点的度中心性,以得到每个所述社团中度中心性最大的节点,并将每个所述社团中所述度中心性最大的节点确定为第三候选节点。
5.根据权利要求1至4任一项所述的种子节点筛选方法,其特征在于,所述分别计算所述第一候选节点、所述第二候选节点以及所述第三候选节点的影响力传播分数,并将所述影响力传播系数满足预设条件的候选节点作为所述网络图中的种子节点,包括:
利用基于概率的多跳传播算法、候选节点的一阶邻居节点信息、候选节点的二阶邻居节点信息、邻居节点所在社团信息,计算每一候选节点的影响力传播分数,并筛选所述影响力传播分数满足预设条件的候选节点作为所述网络图中的种子节点。
6.根据权利要求5所述的种子节点筛选方法,其特征在于,所述筛选所述影响力传播分数满足预设条件的候选节点作为所述网络图中的种子节点,包括:
筛选所述影响力传播分数最大且不是已有种子节点邻居的候选节点作为种子节点。
7.根据权利要求6所述的种子节点筛选方法,其特征在于,所述筛选所述影响力传播分数最大且不是已有种子节点邻居的候选节点作为种子节点,包括:
重复执行所述筛选影响力传播分数最大且不是已有种子节点邻居的候选节点作为种子节点的步骤,直至遍历所有候选节点。
8.一种种子节点筛选装置,其特征在于,包括:
第一节点筛选模块,用于计算预先构建的网络图中的节点的结构洞特征,并从所有所述节点中筛选出结构洞特征满足预设条件的节点作为第一候选节点;
社团获取模块,用于利用派系过滤算法对所述网络图进行处理得到所述网络图对应的社团;
第二节点获取模块,用于将在不同所述社团中出现的节点确定为第二候选节点;
第三节点获取模块,用于将每个所述社团中度中心性最大的节点确定为第三候选节点;
种子节点筛选模块,用于分别计算所述第一候选节点、所述第二候选节点以及所述第三候选节点的影响力传播分数,并将所述影响力传播系数满足预设条件的候选节点作为所述网络图中的种子节点。
9.一种电子设备,其特征在于,包括:
存储器,用于保存计算机程序;
处理器,用于执行所述计算机程序,以实现如权利要求1至7任一项所述的种子节点筛选方法的步骤。
10.一种计算机可读存储介质,其特征在于,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的种子节点筛选方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210333978.4A CN114417184A (zh) | 2022-03-31 | 2022-03-31 | 一种种子节点筛选方法、装置、设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210333978.4A CN114417184A (zh) | 2022-03-31 | 2022-03-31 | 一种种子节点筛选方法、装置、设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114417184A true CN114417184A (zh) | 2022-04-29 |
Family
ID=81262875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210333978.4A Pending CN114417184A (zh) | 2022-03-31 | 2022-03-31 | 一种种子节点筛选方法、装置、设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114417184A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115118650A (zh) * | 2022-06-24 | 2022-09-27 | 重庆理工大学 | 基于信息传播概率的复杂网络关键节点识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108122168A (zh) * | 2016-11-28 | 2018-06-05 | 中国科学技术大学先进技术研究院 | 社交活动网络中种子节点筛选方法和装置 |
CN110796561A (zh) * | 2019-10-19 | 2020-02-14 | 上海大学 | 基于三跳速度衰减传播模型的影响力最大化方法及装置 |
CN112214689A (zh) * | 2020-10-22 | 2021-01-12 | 上海交通大学 | 基于社交网络中群体的影响力最大化方法及系统 |
CN113378470A (zh) * | 2021-06-22 | 2021-09-10 | 常熟理工学院 | 一种面向时序网络的影响力最大化方法及系统 |
CN113592663A (zh) * | 2021-08-04 | 2021-11-02 | 河海大学 | 一种基于社区度和结构洞的影响力最大化方法 |
-
2022
- 2022-03-31 CN CN202210333978.4A patent/CN114417184A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108122168A (zh) * | 2016-11-28 | 2018-06-05 | 中国科学技术大学先进技术研究院 | 社交活动网络中种子节点筛选方法和装置 |
CN110796561A (zh) * | 2019-10-19 | 2020-02-14 | 上海大学 | 基于三跳速度衰减传播模型的影响力最大化方法及装置 |
CN112214689A (zh) * | 2020-10-22 | 2021-01-12 | 上海交通大学 | 基于社交网络中群体的影响力最大化方法及系统 |
CN113378470A (zh) * | 2021-06-22 | 2021-09-10 | 常熟理工学院 | 一种面向时序网络的影响力最大化方法及系统 |
CN113592663A (zh) * | 2021-08-04 | 2021-11-02 | 河海大学 | 一种基于社区度和结构洞的影响力最大化方法 |
Non-Patent Citations (2)
Title |
---|
张景慧: "复杂网络节点影响力度量与影响力最大化研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
张景慧: "复杂网络节点影响力度量与影响力最大化研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》, no. 01, 16 December 2020 (2020-12-16), pages 29 - 33 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115118650A (zh) * | 2022-06-24 | 2022-09-27 | 重庆理工大学 | 基于信息传播概率的复杂网络关键节点识别方法 |
CN115118650B (zh) * | 2022-06-24 | 2023-12-01 | 重庆理工大学 | 基于信息传播概率的复杂网络关键节点识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Han et al. | Fault-tolerant relay node placement in heterogeneous wireless sensor networks | |
CN104995870A (zh) | 多目标服务器布局确定 | |
US8738559B2 (en) | Graph partitioning with natural cuts | |
CN108833271B (zh) | 一种电网广域控制业务通信路径选择方法及服务器 | |
CN103853739B (zh) | 动态社会关系网络社区演化识别以及稳定社区提取方法 | |
CN109547872B (zh) | 一种网络规划方法及装置 | |
CN110298687B (zh) | 一种区域吸引力评估方法及设备 | |
CN113190939B (zh) | 基于多边形系数的大型稀疏复杂网络拓扑分析和简化方法 | |
CN106685745B (zh) | 一种网络拓扑构建方法及装置 | |
US20090034433A1 (en) | Method for Rebuilding an Ad Hoc Network and the Nodes Thereof | |
CN110032603A (zh) | 一种对关系网络图中的节点进行聚类的方法及装置 | |
CN108809697A (zh) | 基于影响力最大化的社交网络关键节点识别方法及系统 | |
CN107645740A (zh) | 一种移动监测方法及终端 | |
CN114417184A (zh) | 一种种子节点筛选方法、装置、设备、存储介质 | |
WO2011162662A1 (en) | Determining a churn risk | |
Alenazi et al. | Cost-efficient algebraic connectivity optimisation of backbone networks | |
CN109428760B (zh) | 一种基于运营商数据的用户信用评估方法 | |
CN110162716A (zh) | 一种基于社区检索的影响力社区搜索方法和系统 | |
US20230300066A1 (en) | Method And System To Reduce A Number Of Border Gateway Protocol Neighbors Crossed To Reach Target Autonomous Systems | |
CN109218184B (zh) | 基于端口和结构信息的路由器归属as识别方法 | |
CN103179573A (zh) | 一种频率资源分配方法 | |
Wagner et al. | ASMATRA: Ranking ASs providing transit service to malware hosters | |
KR20150007928A (ko) | 온라인 분석 처리를 위한 그래프 큐브의 생성 방법 | |
CN104168660A (zh) | 确定优先级的方法及装置 | |
CN109785351B (zh) | 道路围栏的合并方法及装置、存储介质、电子装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220429 |
|
RJ01 | Rejection of invention patent application after publication |