发明名称 |
基于社团结构挖掘算法的在线社会网络信息传播最大化方法 |
摘要 |
基于复杂网络社团发现算法的信息传播最大化方法,包括如下步骤:1)复杂网络生成阶段:预处理从在线社会网络上爬取到的数据变为有向带权图;模型训练阶段:a)利用社团发现算法对复杂网络进行社团发现。b)为每一个社团,输出对应的子图。c)为每一个子图进行不同种子节点选取实验。d)利用所产生数据进行训练模型,并把得到的模型保存到指定区域以待使用。2)种子节点选取阶段:a)要进行挖掘的原始复杂网络分割为不同的社团,并生成对应子图。b)导入模型训练阶段训练好的预测。c)利用预测模型计算出每个子图应分配到几个种子节点进行挖掘。复杂网络数据中选取最具传播能力节点时的时间效率。具有选取结果优,数据处理速度快等优点。 |
申请公布号 |
CN104820945A |
申请公布日期 |
2015.08.05 |
申请号 |
CN201510186252.2 |
申请日期 |
2015.04.17 |
申请人 |
南京大学 |
发明人 |
吴骏;海军;彭岳;李宁;吴和生;谢俊元 |
分类号 |
G06Q50/00(2012.01)I |
主分类号 |
G06Q50/00(2012.01)I |
代理机构 |
南京瑞弘专利商标事务所(普通合伙) 32249 |
代理人 |
陈建和 |
主权项 |
一种基于复杂网络社团发现算法的信息传播最大化方法,其特征在于,包括如下步骤:1)复杂网络生成阶段:a)从在线社交网站爬取用户之间的链接关系与用户的操作日志;b)建立静态模型(static model),并从日志文件学习出节点之间的影响关系与影响度值;c)把学习到的节点之间的传播关系与用户链接关系结合并得到一个有向带权图;2)模型训练阶段:a)利用社团发现算法Walktrap对复杂网络进行社团发现;b)为每一个社团,输出对应的子图;c)为每一个子图进行不同种子节点选取实验,并保存覆盖度等实验数据;d)利用所产生数据进行训练模型,并把得到的模型保存到指定区域以待使用;3)种子节点选取阶段:a)要进行挖掘的原始复杂网络分割为不同的社团,并生成对应子图;b)导入模型训练阶段训练好的预测;c)利用预测模型计算出每个子图应分配到几个种子节点进行挖掘;d)利用种子节点选取算法为每一个子图选取种子节点;最终集聚所有子图的种子节点形成最终结果;4)结束。 |
地址 |
210093 江苏省南京市鼓楼区汉口路22号 |