一种ego网络社交圈子识别方法技术

一种ego网络社交圈子识别方法，将用户抽象成ego网络中的一个节点，用户之间的关系抽象成ego网络中的一条边来构建ego网络；结合ego网络结构信息和节点属性信息来建模边之间的相似性；初始化每条边作为一个社交圈子，然后根据社交圈子之间的相似度使用average‑linkage层次聚类方法进行聚类，得到层次聚类算法对应的树状图；选取合适的阈值来截取树状图以获得对应的边社交圈子，并将边社交圈子转化为节点社交圈子；提取社交圈子的属性特征和结构特征，然后训练分类器来识别社交圈子的种类，用该方法识别社交圈子简单准确。

【技术实现步骤摘要】
一种ego网络社交圈子识别方法
本专利技术属于社团划分领域，涉及一种ego网络社交圈子识别方法。
技术介绍
社交圈识别能帮助用户将他们的朋友分组到社交圈子中，这样能有效地管理获取到的信息，在链路预测、好友推荐等领域具有重要的应用。经典的社交圈子识别方法主要利用两类信息：网络结构信息和用户属性信息。目前已有的方法可分为两类：基于节点的方法和基于边的方法。基于节点的方法将ego网络中的节点划分到不同的圈子中，而基于边的方法将ego网络中的边划分到不同的圈子中。J.McAuley方法(参考McAuley的方法：J.Leskovec,J.J.Mcauley,Learningtodiscoversocialcirclesinegonetworks,in:Advancesinneuralinformationprocessingsystems,2012,pp.539–547.)提出了一种基于网络结构和用户属性信息的社交圈子识别方法。对于每个社交圈子，算法根据用户属性信息的相似性学习其成员关系。它将节点成员关系关联到多个圈子，以识别重叠和层次嵌套的圈子。然而，该方法不能有效地利用结构信息，这给识别精度留下了很大的提升空间。Wang方法(参考Wang的方法：M.Wang,W.Zuo,Y.Wang,Animproveddensitypeaks-basedclusteringmethodforsocialcirclediscoveryinsocialnetworks,Neurocomputing179(2016)219-227.)提出了一种改进的基于密度峰值的聚类方法，并将其应用于基于用户属性信息和网络拓扑结构的重叠社交圈的识别。首先，该方法利用高斯核函数测量ego网络中各节点的局部密度。其次，计算每个节点到密度较高的节点的距离。然后根据决策图选择圈子中心，其中x轴表示局部密度，y轴表示到密度较高节点的距离。该方法递归地聚合社交圈子，并将每个剩余的用户分配给每次迭代中包含更高密度的最近邻居的圈子。然而，该方法的性能在很大程度上依赖于初始聚类中心的选择。Ahn方法(参考Ahn的方法：Y.-Y.Ahn,J.P.Bagrow,S.Lehmann,Linkcommunitiesrevealmultiscalecomplexityinnetworks,nature466(7307)(2010)761.)提出了一种层次的边聚类方法，并且建立了基于边相似性的树状图。他们提出了一种基于密度的方法来确定树状图的适当的切割阈值。该方法在揭示社交圈子重叠结构方面优于基于节点的方法。但是该方法忽略了节点的属性信息，会降低识别的圈子的准确性。
技术实现思路
为克服现有技术中的问题，本专利技术的目的在于提供一种ego网络社交圈子识别方法。为实现上述目的，本专利技术的技术方案如下：一种ego网络社交圈子识别方法，包括如下步骤：步骤1：构建用户的ego网络：将用户抽象成ego网络中的一个节点，用户之间的关系抽象成ego网络中的一条边；步骤2：结合ego网络结构信息和节点属性信息来建模边之间的相似性；步骤3：初始化每条边作为一个社交圈子，然后根据社交圈子之间的相似度采用层次聚类方法进行聚类，得到树状图；步骤4：选取阈值截取树状图，获得边社交圈子，并将边社交圈子转化为节点社交圈子；步骤5：提取节点社交圈子的属性特征和结构特征，然后训练分类器来识别社交圈子的种类。本专利技术进一步的改进在于，步骤1)中ego网络的定义如下：在ego网络中，节点由一个中心节点ego以及这个节点的邻居节点alters组成，边包括中心节点ego和邻居节点alters之间的边以及邻居节点alters和邻居节点alters之间的边。本专利技术进一步的改进在于，步骤2)中，边之间的相似性采用相似度S进行判断，相似度S的定义如下：S＝a×Ss+(1-a)×SA其中，Ss是结构相似度，SA是属性相似度，a是结构相似度和属性相似度之间的权衡系数；两条边eik和ejk的结构相似度Ss定义如下：两条边eik和ejk的属性相似度SA定义如下：其中，A(i)是节点i的属性集，A(j)是节点j的属性集。本专利技术进一步的改进在于，步骤3)的具体过程为：初始时，将每条边都看作是一个单独的边社交圈子；然后，每次合并时，选择相似度最大的两个社交圈子来进行合并；重复合并过程直到合并为一个边社交圈子为止，得到层次聚类算法对应的树状图。本专利技术进一步的改进在于，步骤4)中，采用基于分区密度的方法选取阈值截取树状图，或采用基于相似度分布的方法选取阈值截取树状图。本专利技术进一步的改进在于，采用基于分区密度的方法选取阈值截取树状图的具体过程为：根据树状图，计算每个层次对应的边社交圈子划分所具有的分区密度，选择最大的分区密度值所对应的边社交圈子作为最终的结果，并将边社交圈子转换为节点社交圈子；其中，分区密度定义D如下：其中，M表示所有边的数量，mc表示社交圈子c中的边的数量，Dc是社交圈子c的边密度，Dc定义如下：nc表示社交圈子c的节点数量。本专利技术进一步的改进在于，采用基于相似度分布的方法选取阈值截取树状图的具体过程为：首先，将相似度划分为具有相等长度的N个间隔，并计算落在每个间隔中的相似度值的数量，然后将相似度值作为水平x轴，将相似度值的数量作为垂直y轴，用一个多项式拟合相似度的经验分布：其中，n≥3，是要估计的参数，间隔的中心是x1,x2,…,xN，并且间隔中的计数分别是y1,y2,…,yN；对于每个n，采用多项式最小化真实值和预测值之间的残差平方和：然后，利用均方误差MSE评估拟合多项式，选择具有最小MSE的阶数为n*的多项式作为拟合曲线；均方误差MSE定义如下：其中，是第i个例子的预测值，yi是对应的真实值；最后，通过求解下面的等式计算拟合曲线的拐点：将阈值设置为满足上面的等式的最小x。本专利技术进一步的改进在于，步骤5)的具体过程为：首先，用Facebook和Google+数据集手动的标记社交圈子的种类lc，然后，对于每一个社交圈子，提取它的网络结构特征和属性特征并组成一个特征向量p是特征的数量，xi是第i个特征的值；每个训练实例包括特征向量和对应的圈子种类lc；然后采用分类方法对步骤4)中获得的社交圈子进行分类。本专利技术和现有技术相比较，具有如下有益效果：与J.McAuley方法、Wang方法、Ahn方法相比，本专利技术提出了一种计算有共同节点的边之间的相似度的方法，将结构相似度和属性相似度结合起来，从而获得了更准确的社交圈子；本专利技术训练了一种基于结构特征和属性特征的方法来识别所获得社交圈子的类别，帮助用户更有效地管理自己的社交圈子。进一步的，本专利技术采用基于分区密度的方法选取阈值截取树状图，或采用基于相似度分布的方法选取阈值截取树状图，这两种方法都自然地揭示了社交圈的层次结构，为用户提供了一种可行的方式，可以在不同的层次上聚集社交圈子。附图说明图1为结构相似度的一个例子。图2为一个分区密度的例子。图3为一个关于相似度分布以及它的拟合曲线的例子。图4(a)为基于分区密度的阈值方法对应的社交圈子的例子。图4(b)为基于相似度分布的阈值方法对应的社交圈子的例子。图5为四种不同的分类方法的分类准确度。图6(a)为本专利技术方法与J.McAuley方本文档来自技高网...

【技术保护点】
1.一种ego网络社交圈子识别方法，其特征在于，包括如下步骤：步骤1：构建用户的ego网络：将用户抽象成ego网络中的一个节点，用户之间的关系抽象成ego网络中的一条边；步骤2：结合ego网络结构信息和节点属性信息来建模边之间的相似性；步骤3：初始化每条边作为一个社交圈子，然后根据社交圈子之间的相似度采用层次聚类方法进行聚类，得到树状图；步骤4：选取阈值截取树状图，获得边社交圈子，并将边社交圈子转化为节点社交圈子；步骤5：提取节点社交圈子的属性特征和结构特征，然后训练分类器来识别社交圈子的种类。

【技术特征摘要】
1.一种ego网络社交圈子识别方法，其特征在于，包括如下步骤：步骤1：构建用户的ego网络：将用户抽象成ego网络中的一个节点，用户之间的关系抽象成ego网络中的一条边；步骤2：结合ego网络结构信息和节点属性信息来建模边之间的相似性；步骤3：初始化每条边作为一个社交圈子，然后根据社交圈子之间的相似度采用层次聚类方法进行聚类，得到树状图；步骤4：选取阈值截取树状图，获得边社交圈子，并将边社交圈子转化为节点社交圈子；步骤5：提取节点社交圈子的属性特征和结构特征，然后训练分类器来识别社交圈子的种类。2.根据权利要求1所述的一种ego网络社交圈子识别方法，其特征在于：步骤1)中ego网络的定义如下：在ego网络中，节点由一个中心节点ego以及这个节点的邻居节点alters组成，边包括中心节点ego和邻居节点alters之间的边以及邻居节点alters和邻居节点alters之间的边。3.根据权利要求1所述的一种ego网络社交圈子识别方法，其特征在于：步骤2)中，边之间的相似性采用相似度S进行判断，相似度S的定义如下：S＝a×Ss+(1-a)×SA其中，Ss是结构相似度，SA是属性相似度，a是结构相似度和属性相似度之间的权衡系数；两条边eik和ejk的结构相似度Ss定义如下：两条边eik和ejk的属性相似度SA定义如下：A(eij)＝A(i)∪A(j)其中，A(i)是节点i的属性集，A(j)是节点j的属性集。4.根据权利要求1所述的一种ego网络社交圈子识别方法，其特征在于：步骤3)的具体过程为：初始时，将每条边都看作是一个单独的边社交圈子；然后，每次合并时，选择相似度最大的两个社交圈子来进行合并；重复合并过程直到合并为一个边社交圈子为止，得到层次聚类算法对应的树状图。5.根据权利要求1所述的一种ego网络社交圈子识别方法，其特征在于：步骤4)中，采用基于分区密度的...

【专利技术属性】
技术研发人员：王晨旭，郝崇孝，管晓宏，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61