一种社交网络重要目标及社区群体识别方法

摘要

本发明提供一种社交网络重要目标及社区群体识别方法，首先将用户的静态好友网络和活动网络结合起来构建动态社交网络拓扑；其次提出InfluenceRank算法，对动态社交网络中的用户影响力进行综合打分，降低和核心用户交互频率低的用户的权值；同时，引入用户的先验专家知识，删除核心噪声点，从而对结果进行修正。本发明从准确度、覆盖度、效率三个方面对现有社群发现技术进行了非常有效的改进，在社会计算、舆情监控、企业营销推广等方面有着广泛的应用前景。

主权项

一种社交网络重要目标及社区群体识别方法，其特征在于：包括以下步骤，步骤1，根据种子用户进行社交网络数据采集；步骤2，基于采集到的社交网络中用户对象之间的关注关系，构建用户对象静态的关系网络；步骤3，根据用户对象之间的动态消息传递互动构建消息网络，将关系网络和消息网络进行合并形成混合社交网络拓扑；混合社交网络拓扑中的节点是社交网络的用户对象，节点之间的有向边表示两个节点之间既有关注关系又有消息互动关系；步骤4，计算每个用户对象在混合社交网络拓扑中的影响力，包括以下子步骤，步骤4.1，设v表示混合社交网络拓扑中的任一节点处用户对象，用户对象v在混合社交网络拓扑的好友集合f(v)中任一网络好友记为用户对象u，D(N_V)表示依据用户对象v与用户对象u的关注关系得到的最终中心度，B(Nv)是用户对象v的活跃度，Weight(N_V)是用户对象v与用户对象u的互动程度；步骤4.2，设用户对象u在混合社交网络拓扑的好友集合f(u)中任一网络好友记为用户对象i，用户对象u的好友集合f(u)中所有网络好友数目记为n，混合社交网络拓扑中用户对象v的好友集合f(v)中的任一网络好友u分配给v的IR值R(u,v)表示为公式3，(公式3)其中δ、ω是三类因素在混合社交网络拓扑中的权重，D(N_i)表示依据用户对象i与用户对象u的关注关系得到的最终中心度，B(N_i)是用户对象i的活跃度，Weight(N_i)是用户对象i与网络好友u的互动程度；步骤4.3，计算混合社交网络拓扑中的任一用户对象v的影响力如下，IR(v)＝d+(1‑d)∑_u∈f(v)R(u,v)×IR(u)     (公式4)其中，d为阻尼系数；步骤4.4，每经过时间段T返回执行步骤4.3，当混合社交网络拓扑中的每个用户节点的影响力相比上一次执行步骤4.3所得影响力的变化量小于预先设定的阈值时，将当前这一时段内求得的影响力作为结果，进入步骤5；步骤5，根据用户对象的影响力得到重要目标及社区群体识别结果。