CN117236784A - 一种基于电势的复杂社会网络影响力节点识别方法 - Google Patents

Abstract

近年来，随着技术进步和移动网络的普及，在线社交网络成为我们日常生活的重要方面。一些用户在社交网络上的影响往往大于其他用户。寻找有影响力的用户/节点以利用网络中的特定信息的过程称为影响力最大化。有多种潜在应用，包括网络免疫、流行病管理、药物设计、疾病或谣言的传播以及病毒营销。这些影响最大化问题是NP‑hard问题，因此不能采用精确的方法。一些启发式策略已被建议作为解决特定应用程序上下文的潜在解决方案。然而现有方法存在局限性，因为它们在对有影响的节点进行排序时仅考虑局部结构等单节点拓扑，而忽略了全局结构等节点之间的连通性，从而导致评估结果不准确。因此，为找到解决这个问题的方法，必须设计了一种基于电势的复杂社会网络影响力节点识别方法，将局部性和全局性等拓扑因素考虑在内。通过考虑两个节点之间的度和距离，我们提出了一种新的中心性，它从电势公式中汲取灵感，以便根据局部性和全局性等拓扑因素确定影响节点。

Description

一种基于电势的复杂社会网络影响力节点识别方法

技术领域

本发明涉及复杂网络的研究，更具体地说，涉及通过电势的思想设计用于评估和识别社会复杂网络中有影响力的节点的方法。据我们所知，这是第一项使用电势概念来识别网络中有影响力的节点的工作。

背景技术

复杂网络存在于大多数现实的自然系统中，无论是生物系统、社会系统、传输网络还是其他领域。大型复杂网络中每个节点的重要性各不相同，具体取决于信息的传播方式。它与病毒式营销、谣言传播、宣传最大人数的政治运动、通过在线社交网站宣传新产品和服务的组织、计算机网络上的病毒传播等应用特别相关，主要目标是识别那些在网络中具有最大潜在影响的节点。因此，如何准确有效地识别复杂网络中的关键节点，成为众多学术界关注的一个关键也是难点的研究课题。

度中心性、紧密度中心性、介数中心性、k-shell分解、效率中心性和Katz中心性是已提出并经常使用的常规度量的几个示例。由于这些措施的简单性和对节点的单一拓扑属性的依赖，这些措施具有内在的局限性。随着网络的扩展，已经开发了确定突出节点的新技术，以在准确性和复杂性之间取得完美的平衡。另一方面，现有的大多数识别影响节点的方法都从多个角度关注节点特征，而忽略了边缘对未加权网络中节点重要性的影响。实际上，节点和边是网络的基础和重要组成部分。未加权网络中的边表示节点之间的连接和互连，并作为信息通信的重要途径。此外，它在实践中有助于评估重要边缘。例如，保护关键边缘可以保护网络免受恶意攻击，删除关键边缘可以阻止谣言和病毒的传播等。鉴于上述情况，我们提出了一种新方法(受电势公式启发)来寻找社会复杂网络中最具影响力的节点，该方法考虑了局部性和全局性。

发明内容

本发明的一个关键目标是克服当前方法的一些局限性，例如基于局部结构而不是全局结构对有影响力的节点进行排名，这忽略了节点之间的连接性并在复杂的社交网络中产生不准确的评估结果。

为达成上述发明目的，本发明的步骤分为以下几类：

(1)本地影响识别：用于评估节点影响的典型指标称为度中心性。那些拥有最多邻居的节点有更强的传播趋势。然而，低度的节点通常比高度的节点具有更大的传播能力。特别地，低度节点比高度节点更有可能位于网络中的战略区域，这表明它比某些高度节点更支持传播。在这种情况下，社区之间的联系在信息传播中起着至关重要的作用。已经证明，邻域之间的连接对节点传播能力有影响。跨邻居节点的连接可以增加信息传播的范围，但它们也可以降低从节点发起的信息广泛传播的可能性。因此，为了正确评估节点的局部影响，必须不仅考虑节点的数量，还考虑邻居之间的相互作用。

(2)全球影响识别：实际上，重要人物通常会占据相当大的资源。他们通常也拥有很大的权力，这有助于他们向他人提供额外的资源。因此，节点的影响力主要取决于它在网络中的位置。节点与其他节点共享资源的能力用于衡量其全球影响力。

(3)有效最短路径：在网络中，最短路径距离是一个重要因素，我们将其用于所提出的电势中心性。有一些最短距离算法，如Dijkstra、Bellman-Ford和其他一些距离算法，但由于它们的时间复杂度高，使用起来也比较复杂。因此，我们使用节点的二阶邻居而不是所有路径距离。

(4)总节点影响力：它结合节点本身的影响力来确定每个邻居节点可以发挥多大的影响力。然后确定网络中每个节点的影响。因此，在这种情况下，我们计算每个节点的局部影响力和全局影响力，以及每个节点之间的最短距离。

本发明的目的是这样实现的。

本发明提出了一种新的框架，即通过利用网络中节点的局部和全局信息，利用电势的概念来识别复杂社会网络中的有影响力的节点。一个网络的节点影响力由三个因素决定：(i)节点在网络中的位置：例如，当一个节点处于网络的中心时，影响力会非常高。否则，如果节点位于网络的边缘，其影响将是最小的。(ii)节点的邻居数：节点的邻居越多，其影响力越大。(iii)节点之间的距离：一般来说，距离越小，节点之间传递信息的概率就越高。基于这些因素，我们提出了一种新的基于电势公式的中心性，该公式利用节点之间的度和距离来找到基于局部性和全局性等拓扑因素的影响节点。它确定节点的第一度，它们之间的距离，然后计算它们的影响。

附图说明

图1是使用电势概念的复杂网络中影响节点识别方法的示意流程图。

具体实施方式

节点的影响力是指它们传播信息的能力，并且由于给定网络的特征会影响信息的传播方式，因此网络的结构也必须对节点的重要性产生影响。假设网络节点的影响是从众多的拓扑维度来表示的，那么考虑到这一点对于提高系统的准确性是必不可少的。我们可以观察到，目前的大部分影响最大化(IM)启发式算法都遇到了一些问题，例如一些算法由于过于复杂而不再适用于大规模复杂网络，并且一些IM启发式算法已经考虑了单节点拓扑，例如在对有影响力的节点进行排序时考虑局部结构，而忽略节点之间的连通性，如全局结构。牢记这些要点，我们设计了一种称为电势中心性(EPC)的集成机制，该机制采用网络中的局部性和全局性等拓扑因素来检测有影响力的节点。与文献中开发的许多有效的IM启发式一样，它们受到物理学学科领域的启发，如平方反比定律、引力定律、向心力、面积密度公式等。类似地，我们设计了一种基于电势公式不仅考虑了网络的全局性，还考虑了局部性。

图1是我们提出的针对社会复杂网络中有影响力节点的方法的具体实现流程图。

从数学上讲，在任何给定位置靠近点电荷的电势可以表示如下：

其中q和r和分别表示点电荷和任意点之间的距离，k是库仑常数。基于这种电势公式的思想，我们遇到了一种排名指标，它利用每个节点的度数作为其电荷，并利用每对节点之间的最短路径的长度作为其距离。

在这个例子中，如图所示。1、本发明是一种用于社会复杂网络中影响节点识别的电势法。该方法包括以下步骤：

S1：确定网络中每个节点的度数

在我们的发明中确定复杂网络中的影响节点时，我们首先计算每个节点的度，它表示节点中所有连接边的数量，即网络中所有连接边的总和。在图G中，集合A＝{A_ij|i,j＝1…N}表示G的邻接矩阵，定义如下：

其中表示节点度，v_i，a_ij表示A的元素。

S2：全球节点影响力

实际上，重要人物通常会占据相当大的资源。他们通常也拥有很大的权力，这有助于他们向他人提供额外的资源。因此，节点的影响力主要取决于它在网络中的位置。一个节点与其他节点共享资源的能力被用来衡量它的全局影响力。基于这种电势公式的思想，我们遇到了一个排名指标，它利用每个节点的度数作为其电荷，每对节点之间的最短路径的长度作为其距离，其定义为：

在这个等式中，dis_i,j指的是节点i和j.之间的最短路径距离。i∈γ_i表示邻居节点的集合。在我们设置参数α,β的地方，α和β的两个系数使这个机制更加灵活。例如，当对自身影响力要求较高时，可以增大α和β的值。我们将α和β的值设置在0.1-1之间。

S3：本地节点影响

为了尽量减少对自我影响的高估，我们考虑了e(自然对数)、度数k(vi)和数量|v|。网络中的节点。

其中|v|显示网络中所有节点的数量。我们包含了一个可调系数来改变不同阶邻居的度值对节点向心性的影响。/>的值可以通过网络中的度i和度j的差来计算。系数/>定义为：

其中，为避免变为零的情况，我们添加了1。

S4：总网络影响力

节点的总影响力也定义为该节点的生命力，它既包括自身的影响力，也包括其周围节点的影响力。因此，所提出的电势中心性(EPC)可以定义为：

其中i∈γ_i是网络中最近所有邻居节点的集合。我们最终利用这个重新制定的电势公式来确定复杂网络的总影响。

在本发明中，利用电势的概念提出了社会复杂网络中影响最大化的集成机制。本发明的一个关键特征是它对交通系统等重要技术进行了创新(例如在公交网络中实施的技术)。例如，我们可以在紧急情况发生之前识别关键公交站点，这将减少响应时间并防止二次灾害。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (8)

1.本发明提出了一种基于电势的复杂社会网络影响力节点识别方法，其特征在于包括以下步骤：

该框架首先收集用户/节点信息，如朋友、帖子、评论、阅读新闻提要和指定时间范围内的其他社交媒体行为模式信息。

此信息被预处理为表征，并用于根据指定的用户/节点属性构建网络。节点在网络中的影响力取决于三个方面：(i)节点在网络中的位置当节点处于网络中心时，影响力会很大。否则，如果节点位于网络边缘，影响肯定会比较小。(ii)、节点邻居数量：邻居数量多的节点影响力越大。(iii)节点间的距离：距离越小，节点与邻居节点之间的信息传递概率越大。具有很高本地和全球影响力的节点往往在社会复杂网络中具有很高的总影响力。

2.本发明的社会网络中影响力节点识别的方法，其特征在于通过计算每个节点在所构建网络中的度数来确定节点的重要性。

3.根据权利要求1所述的社会综合体中影响节点识别的综合电势机制，其特征在于，对复杂社会网络中影响节点的确定，重新表述了电荷电场势的概念。电场势的原始公式为：

其中q和r分别表示点电荷和任意点之间的距离，k是库仑常数。使用每个节点的度数，我们将节点的影响确定为：

参数α和β使该机制更加灵活，但0.1-1之间的值最适合所提出的发明。

4.权利要求1中提出的用于识别社会复杂网络中有影响力节点的发明确定节点与其他节点共享资源的能力，以衡量其全局影响力，我们称之为节点的全局影响力。全局影响识别也基于重新制定的电场势概念。

5.所提出的用于在社会复杂网络中识别有影响力的节点的发明的特征还在于，节点的局部影响由度量确定，这对网络的总体影响至关重要:

其中ki是节点的度数，|v|是网络中的节点数。的值可以通过网络中的度i和度j的差来计算。为避免/>变为零的情况，我们加1进行补偿。

6.如权利要求1所述的所提出发明的总影响识别构成了复杂网络中每个节点的全局和局部影响，并且被定义为等式中的电势中心性(EPC)：

其中i∈γ_i是网络中最近所有邻居节点的集合。

7.所提出的用于社会复杂网络中的影响力节点识别的发明具有适应性，可以很容易地调整到其他复杂网络、脑网络和其他复杂互联网网络。

8.如权利要求1所述的所提出的发明的总影响力识别的特征在于它可以以最高的中心性和确定性识别复杂网络中几乎所有的影响力节点。为了保证这种性能，作为所提出发明的输入的网络构造应该没有异常。