The invention discloses a detection method based on time quality node elements, the invention mainly includes the establishment of quality characteristics of the time element node attribute extraction rules based on social networks, quality of classification of node attributes the time element based on correlation and time series model establishment and node detection of high quality nodes linked ranking relationship. And the detection model of time series prediction based on the derivation of. The model is mainly used to describe the feature extraction rules based on node attribute time factor, quality level to identify the random sample node to node properties to establish the time series feature library, then the identified nodes are ranked and classified. At the end of the day were identified with the evolution time possible prediction in order to prove the accuracy of detection method based on high quality elements of the node time.
【技术实现步骤摘要】
一种基于时间要素的优质节点探测方法
本专利技术属于社交网络中关键节点探测技术范畴,涉及一种基于时间要素的优质节点探测方法。
技术介绍
近几年来,由于社交网络的研究日趋热门,基于社交网络平台上的探测和发现优质用户问题的研究也日益得到人们的重视。通过对这类用户的挖掘,可以和这些优质用户建立更直接的关联以获取蕴含的社会价值。例如,教师热衷于发现优秀的学生进行重点培养,商人热衷于发现优质的合作伙伴进行商业合作,金融行业热衷于发现优质的客户以实现经济价值,从业多年的HR善于发现优秀的人才来为企业服务等等。那么,作为一个具备敏锐眼光的观察者,他们又是凭借何种知识和经验去发现所在行业中的优质客户的呢?这些问题正是本专利所要解决的核心问题:通过提取目光敏锐观察者对优质用户发现的知识和经验为基础,从中提取优质用户所具备的特征建立关联规则和特征识别库。将观察者发现优质用户的问题引入到社交网络的研究领域中,以社交网络的图挖掘为理论依据,将该问题转化为社交网络中发现和探测优质节点的问题,从而形成了一套对该挑战性问题加以解决的方法体系。通过对国内外参考文献的阅读和研究现状的分析发现,以社交网络图挖掘知识建立模型,以发现优质节点的相关研究文献并不多见,与本专利紧密相关的参考文献就更难以寻觅。因此,本专利所要解决的问题,不仅在该问题所涉及的国内外研究现状中具有一定的创新性,而且在解决问题的方法、途径和思路上,更具有其独创性。通过涉猎与本专利相关的参考文献,涉及的主要研究问题和研究点可概括如下。其中,最佳消息发布时间:NemanjaSpasojevic等人规划出了一种叫做when-to- ...
【技术保护点】
一种基于时间要素的优质节点探测方法,其特征在于,包括以下步骤:步骤1:提取需要探测的优质节点所在的社交网络节点集合;步骤2:对社交网络节点建立社交网络的节点映射关系;步骤3:基于时间要素,提取优质节点特征;步骤4:建立优质节点动态探测模型;步骤5:将社交网络节点看作实验样本进行分组,并对节点进行训练和分类;步骤6:对时间要素的边界进行限定,获取时间限定范围内的优质节点;步骤7:对优质节点探测的结果进行评估并反馈结果,并在反复地训练过程中将不符合探测优质节点特征的规则进行校正,以达到对模型进行优化的目的;步骤8:回转执行步骤5,利用优化后的模型,进行优质节点探测以提高探测进度,如此进行迭代运算直到优质节点的探测进度超过时间序列的设定阈值为止,从而完成整个探测过程。
【技术特征摘要】
1.一种基于时间要素的优质节点探测方法,其特征在于,包括以下步骤:步骤1:提取需要探测的优质节点所在的社交网络节点集合;步骤2:对社交网络节点建立社交网络的节点映射关系;步骤3:基于时间要素,提取优质节点特征;步骤4:建立优质节点动态探测模型;步骤5:将社交网络节点看作实验样本进行分组,并对节点进行训练和分类;步骤6:对时间要素的边界进行限定,获取时间限定范围内的优质节点;步骤7:对优质节点探测的结果进行评估并反馈结果,并在反复地训练过程中将不符合探测优质节点特征的规则进行校正,以达到对模型进行优化的目的;步骤8:回转执行步骤5,利用优化后的模型,进行优质节点探测以提高探测进度,如此进行迭代运算直到优质节点的探测进度超过时间序列的设定阈值为止,从而完成整个探测过程。2.根据权利要求1所述的基于时间要素的优质节点探测方法,其特征在于:步骤1中所述优质节点指的是社交网络中,有能力满足特定指标所需条件的核心节点;所述特定指标记为In,为一个指标集合,它包括社交网络中为达成一定时期内的目标为各节点制定的所有预计的阶段性目标或规则。3.根据权利要求1所述的基于时间要素的优质节点探测方法,其特征在于:步骤2中所述节点映射关系,指的是社交网络中的社交关系。4.根据权利要求1所述的基于时间要素的优质节点探测方法,其特征在于,步骤3中所述提取优质节点特征,包括:1:优质节点发生变异具有固定的时间节点,因此在时间节点到来之前在某个恰当时刻再次选拔出优质节点作为候补;设置节点被选定为优质节点的时刻为ts,优质节点变异的时间节点为te,则优质节点的活动周期选择候补优质节点的恰当时刻为其中α为微调参数;2:针对优质节点属性变异的前兆提取时间要素作为特征;具体的前兆包括:影响优质节点属性变异的主观因素Vsf和客观因素Vof,不同类型的客观因素都会引起相应的主观因素发生变化;主观因素集合记为则联合主客观因素构建节点属性变异的前兆映射关系为:其中,sf/of表示矩阵名称为“主客观映射”矩阵,o.sij表示每一种客观因素产生对应主观因素的可能性,取值介于0-1之间,i=1...n,j=1...m,n表示客观因素的个数,m表示主观因素的个数;取0表示客观因素对主观因素的影响程度为0,1表示客观因素对主观因素的影响程度为100%,介于0-1之间的值表示客观因素对主观因素的影响程度的百分比值;3:确定优质节点的变异传递性和周期性;变异传递性判断:在社交网络中,若两个节点的社交关系较密切,且二者在一定时期内同时达到优质节点的判断标准,则可认定变异的传递性成立;否则,判定为不成立;变异周期性判断:将社交网络中的一个时间起始点tcs到终止点tce所经历的时长记为T,若该时长T内,某节点发生变异,在接下来的连续n个时长T内,n≥2,与该变异节点关系密切的节点均发生类似变异,则可认定变异周期性成立;否则,判定为不成立。5.根据权利要求1所述的基于时间要素的优质节点探测方法,其特征在于,步骤4中所述优质节点动态探测模型为:
【专利技术属性】
技术研发人员:王峰,杭波,谷琼,赵永标,熊伟,项东升,
申请(专利权)人:湖北文理学院,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。