本发明专利技术涉及一种用于向社会网络演化规律异常节点判定及影响评估方法，具体包括：1、构建节点在不同时段的演化规律描述向量，动态全面地描述节点的演化规律，检测节点在演化过程中的异常，判定演化规律异常节点；2、提出结构扰动指标，定量地评估演化规律异常节点对当前社会网络结构的影响。因此，本发明专利技术具有如下优点：1.本发明专利技术从微观节点的角度分析社会网络动态演化过程中的演化异常，有助于精确制定策略打击异常演化节点，更深入的分析社会网络演化。2.本发明专利技术利用矩阵扰定量分析社会网络异常节点的行为对当前社会网络结构的影响，提供了一种统一的方法框架评估所有的个体节点的行为，避免了个体节点特征差异对评估结果的影响。
【技术实现步骤摘要】
一种用于向社会网络演化规律异常节点判定及影响评估方法
本专利技术涉及计算机科学和社会网络，定义演化规律异常节点为网络演化过程中演化规律发生剧烈变化的节点，提出了演化规律异常节点判定方法(ANIM)和演化规律异常节点影响评估方法(EEM)。
技术介绍
随着各种在线社交应用的迅速发展，社会网络的研究引起了越来越多的学者的关注。社会网络是用来刻画不同个体之间的社交关系体系(如朋友关系、邮件联系、科研领域合作关系等)。现有的社会网络研究通常把目标社会网络抽象成图的形式，用节点表示个体，边表示交互关系，主要目的是揭示社会网络的结构特征、形成机制及演化规律。其中，网络演化规律分析是社会网络研究中的一个重要方向。在社会网络演化的过程中，个体之间的交互关系变化往往遵循一定的演化规律，反映为社会网络拓扑结构的变化。如今，已经有很多被广泛接受的社会网络演化规律，比如三元闭包、优先连接、互惠原则、同质性等。然而，在社会网络演化过程中，各种潜在事件的发生都有可能造成社会网络演化偏离原有的演化规律，引起社会网络结构的重大改变，称之为社会网络演化异常。分析社会网络演化异常有助于更好地了解当前社会网络的状态，制定经济有效的策略应对潜在的危机、引导社会网络健康稳定地发展。现有的社会网络演化异常分析方法主要有基于文本分析的方法和基于网络特征统计的方法两大类。基于文本分析的方法，主要是从不同的维度对文本数据进行挖掘，提取有价值的异常相关信息。该类方法主要面向以微博、Twitter、Facebook等文本内容充实的社交应用为基础构建的社会网络。然而，社交关系具有多样化的表现形式，在许多情况下由于社交关系本身的特性或者出于保护用户隐私考虑，无法获取有效的文本信息，比如朋友关系网或者电话通信网。不同于基于文本分析的方法，基于网络特征统计的方法通过计算大量的潜在的网络特征参数，选择合适的参数，通过分析参数的变化来分析网络的演化状态。该方法主要是从宏观的角度分析整体网络的演化，忽视了微观节点演化的差异性。当社会网络的宏观演化表现异常时，部分节点的演化规律异常的同时，往往会有部分节点依然遵循原有的演化规律正常演化。Akoglu等人基于单个网络快照，利用网络的幂律性质发现网络中的异常节点，由于没有考虑社会网络演化的连续性，不利于动态地描述节点的演化规律。Henderson等人提出了结构角色的概念，对网络中的节点进行划分、分析预测节点的演化行为。结构角色是指某类结构特征的组合，如星形结构的中心、完全图的成员等就是两种不同的角色，它们有各自独特的节点度分布、聚集系数等特征表现。随后，Rossi等人从潜在的网络特征参数中选取代表性参数，通过考察节点结构角色的变化，提出了一种分析网络及节点结构变化模式的方法，检测结构变化、发现异常节点。然而，他们的方法的表现依赖于代表性特征参数和节点角色的选取，并且无法反映节点的演化规律的变动。受到个体的性格、教育、工作等内在属性的影响，节点在演化过程中遵循的演化规律往往在一段时间内保持稳定。节点演化规律是节点演化行为的内在驱动力，表现为个体节点连边的变化。当节点内在演化规律发生剧烈改变时，往往受到了某些重要事件的影响，具有宝贵的异常分析价值。在我们先前的研究中，已经尝试从链路预测算法的角度去宏观上拟合社会网络的演化规律，通过定量地评估社会网络不同时段的演化波动，来检测网络的宏观演化规律异常。基于先前的研究工作，本专利技术希望进一步从微观节点的角度分析社会网络演化异常。本专利技术定义演化规律异常节点为社会网络演化过程中演化规律发生剧烈变化的节点，提出面向社会网络的普适方法，判定演化规律异常节点、评估演化规律异常节点的影响。
技术实现思路
本专利技术的上述技术问题主要是通过下述技术方案得以解决的：一种用于向社会网络演化规律异常节点判定及影响评估方法，其特征在于，包含以下步骤：步骤1：演化规律异常节点判定方法利用链路预测算法间接地描述节点的演化规律，提出演化规律拟合指标，衡量不同链路预测算法对节点演化规律的描述程度。构建节点在不同时段的演化规律描述向量，动态全面地描述节点的演化规律，检测节点在演化过程中的异常，判定演化规律异常节点；步骤2：基于演化规律异常节点判定方法判定的演化规律异常节点，演化规律异常节点影响评估方法将演化规律异常节点的行为看作是对当前网络结构的扰动，通过网络对应的邻接矩阵进行一阶近似扰动分析，提出结构扰动指标，定量地评估演化规律异常节点对当前社会网络结构的影响。在上述的一种用于向社会网络演化规律异常节点判定及影响评估方法，步骤1的具体实现包含以下子步骤：步骤1.1：对于gt＝(Vt,Et)，目标节点i∈V存在与网络中其它所有节点形成边的可能性，节点i潜在的边的集合可以定义为EP(i)＝{(i,j)|j∈Vt∩i！＝j}。节点i在t时刻存在的边的集合定义为EC(i,t)＝EP(i)∩Et。节点i在t时刻不存在的边的集合定义为当链路预测算法lp被用于描述节点的演化规律时，首先基于网络拓扑结构gt根据lp依次计算EP(i)中每条连边的可能性值，然后将EC(i,t)中的边和EU(i,t)中的边进行一一比较。如果EC(i,t)中的边的可能性值大于EU(i,t)中边的可能性值，那么就加1分，如果两个可能性值相等就加0.5分。这样独立比较N次，如果有n0次EC(i,t)中连边的可能性值大于EU(i,t)中连边的可能性值，有n1次两连边的可能性值相等，则链路预测算法lp对节点i在(t-1,t)时段的演化规律拟合指标Ned(i,t)(lp)定义如下。步骤1.2：对于节点i在(t-1,t)时段的演化规律是否异常的判定，需要综合考虑节点i在前面S(1≤S＜t)个时段遵循的演化规律。当节点i的演化规律一直比较稳定时，建议S取较大值，可以更多地考虑节点的历史演化规律。当节点i的演化规律频繁变化时，建议S取较小值，避免历史演化规律波动的干扰。为了量化节点i当前时段的演化规律与前面S个时段的演化规律的差异，本专利技术引入余弦相似度[23]定义节点演化差异值Vd(i,t)。公式(2)和(3)表示Vd(i,t)如下。在上述的一种用于向社会网络演化规律异常节点判定及影响评估方法，步骤2的具体实现包含以下子步骤：步骤2.1：基于gt＝(Vt,Et)构建|Vt|×|Vt|的邻接矩阵Z＝(zmn)。zmn表示Z中第m行n列元素，代表节点m和节点n之间的连边。当(m,n)∈Et，cmn＝1，否则cmn＝0。同时，根据需求确定目标演化规律异常节点集合δ(t-1,t)，可以选取部分或者全部演化规律异常节点，即为δ(t-1,t)中演化规律异常节点连边的集合表示为ΔEδ＝{(i,j)|((i∈δ(t-1,t)∪j∈δ(t-1,t))∩((i,j)∈Et)}。当把ΔEδ从Et中去了掉后，得到剩余边构成的集合Er，表示为ΔEδ和Er对应的邻接矩阵可分别表示为ΔZδ和Zr，易知Z＝ΔZδ+Zr。由于Zr是实对称矩阵，当有K个特征值时，Zr可以表示如下。λk和xk分别表示Zr的特征值和正交单位化后的特征向量。本专利技术先以Zr的特征值没有重复的情形为例进行分析，并把ΔEδ的存在看成是针对Zr的扰动集合。则扰动之后，λk变成了λk+Δλk，对应的特征向量变成了xk+Δxk，则可得到如本文档来自技高网...
【技术保护点】
一种用于向社会网络演化规律异常节点判定及影响评估方法，其特征在于，包含以下步骤：步骤1：演化规律异常节点判定方法利用链路预测算法间接地描述节点的演化规律，提出演化规律拟合指标，衡量不同链路预测算法对节点演化规律的描述程度；构建节点在不同时段的演化规律描述向量，动态全面地描述节点的演化规律，检测节点在演化过程中的异常，判定演化规律异常节点；步骤2：基于演化规律异常节点判定方法判定的演化规律异常节点，演化规律异常节点影响评估方法将演化规律异常节点的行为看作是对当前网络结构的扰动，通过网络对应的邻接矩阵进行一阶近似扰动分析，提出结构扰动指标，定量地评估演化规律异常节点对当前社会网络结构的影响。
【技术特征摘要】
1.一种用于向社会网络演化规律异常节点判定及影响评估方法，其特征在于，包含以下步骤：步骤1：演化规律异常节点判定方法利用链路预测算法间接地描述节点的演化规律，提出演化规律拟合指标，衡量不同链路预测算法对节点演化规律的描述程度；构建节点在不同时段的演化规律描述向量，动态全面地描述节点的演化规律，检测节点在演化过程中的异常，判定演化规律异常节点；步骤2：基于演化规律异常节点判定方法判定的演化规律异常节点，演化规律异常节点影响评估方法将演化规律异常节点的行为看作是对当前网络结构的扰动，通过网络对应的邻接矩阵进行一阶近似扰动分析，提出结构扰动指标，定量地评估演化规律异常节点对当前社会网络结构的影响。2.根据权利要求1所述的一种用于向社会网络演化规律异常节点判定及影响评估方法，其特征在于，步骤1的具体实现包含以下子步骤：步骤1.1：对于gt＝(Vt,Et)，目标节点i∈V存在与网络中其它所有节点形成边的可能性，节点i潜在的边的集合可以定义为EP(i)＝{(i,j)|j∈Vt∩i！＝j}；节点i在t时刻存在的边的集合定义为EC(i,t)＝EP(i)∩Et；节点i在t时刻不存在的边的集合定义为当链路预测算法lp被用于描述节点的演化规律时，首先基于网络拓扑结构gt根据lp依次计算EP(i)中每条连边的可能性值，然后将EC(i,t)中的边和EU(i,t)中的边进行一一比较；如果EC(i,t)中的边的可能性值大于EU(i,t)中边的可能性值，那么就加1分，如果两个可能性值相等就加0.5分；这样独立比较N次，如果有n0次EC(i,t)中连边的可能性值大于EU(i,t)中连边的可能性值，有n1次两连边的可能性值相等，则链路预测算法lp对节点i在(t-1,t)时段的演化规律拟合指标Ned(i,t)(lp)定义如下；步骤1.2：对于节点i在(t-1,t)时段的演化规律是否异常的判定，需要综合考虑节点i在前面S(1≤S＜t)个时段遵循的演化规律；当节点i的演化规律一直比较稳定时，建议S取较大值，可以更多地考虑节点的历史演化规律；当节点i的演化规律频繁变化时，建议S取较小值，避免历史演化规律波动的干扰；为了量化节点i当前时段的演化规律与前面S个时段的演化规律的差异，引入余弦相似度[23]定义节点演化差异值Vd(i,t)；公式(2)和(3)表示Vd(i,t)如下；
【专利技术属性】
技术研发人员：胡文斌，王欢，蔡新宇，杨轩，过冰峰，王思琪，
申请(专利权)人：武汉大学，
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。