【技术实现步骤摘要】
用户行为与心理学的社会网络影响力最大化方法
本专利技术属于数据挖掘领域与社会网络科学领域，具体涉及用户行为与心理学的社会网络影响力最大化方法。
技术介绍
随着社交网络平台的兴起与发展，人们无时无刻不在浏览信息，表达观点，并传播新的理念与想法。有影响力的用户可以通过自己的行为促进信息的传播。影响力最大化就是识别一组有影响力的用户使信息的传播尽可能的最大化。对该类用户加以良好的导控，对病毒营销，广告发布有着重要的意义。对于该问题的理论研究也有助于控制传染病爆发，防止电网瘫痪和互联网故障。现有方法主要从两个方面入手对影响力最大化问题展开研究。一方面是影响力度量方法。Degree，corenesscentralities，betweenness等都是较为常见的度量方法。但由于包含的信息太少，分辨率低下较为严重。其次，这类方法都没有考虑节点之间的影响力范围重叠问题，因此无法直接用于影响力最大化问题中。另一方面则是基于贪心算法、启发式方法的影响力最大化方法。为了得到较为准确的结果，贪心算法需要模拟上万次才能获得平均水平。...
【技术保护点】
1.用户行为与心理学的社会网络影响力最大化方法，其特征在于，包括以下步骤：/n步骤1：输入社会网络G＝(N,E)、粒子群大小n、种子节点大小k、最大迭代数g
【技术特征摘要】
1.用户行为与心理学的社会网络影响力最大化方法，其特征在于，包括以下步骤：
步骤1：输入社会网络G＝(N,E)、粒子群大小n、种子节点大小k、最大迭代数gmax、惯性权重w、学习因子c1、c2以及用户行为数据，其中N为网络的节点集合，E为边集合；
步骤2：利用最近两次用户行为数据计算每个用户的活动时间间隔，识别非活跃用户集合ST，活动时间间隔大于t天的为非活跃用户；
步骤3：采用基于IC排序方法的启发式算法，将采样空间设置为N-ST，进行粒子群的初始化；
步骤4：根据二度理论以及得寸进尺效应构建目标优化函数，估算用户的影响力；
步骤5：根据速度更新公式、位置更新公式对速度向量V、位置向量X进行更新；
步骤6：更新当前最佳位置向量Pbest，筛选当前最优的Gbest*；
步骤7：根据IC排序方法以及目标函数构造局部寻优算法，输入Gbest*，寻找当前最优解Gbest’；
步骤8：将Gbest*与Gbest’进行对比，选择值最大的赋给Gbest*；
步骤9：判断是否达到迭代次数gmax，如果达到转到步骤11，反之，则迭代次数加1，转发步骤5；
步骤10：输出Gbest*做为种子用户集合，算法结束。
2.根据权利要求1所述的用户行为与心理学的社会网络影响力最大化方法，其特征在于，步骤3所述的IC排序方法是利用社会网络中用户的k-shell值以及k-shell迭代次数计算每个用户的重要程度，其计算公式为：
IC(i)＝w1×ICp(i)+w2×ICN(i)
其中，IC(i)表示节点(用户)i的IC值，ICp(i)表示节点(用户)i在位置属性方面体现的影响能力值，ICN(i)表示节点(用户)i在邻接区域的影响能力值，w1,w2为权重，k(i)r表示移除邻居后用户i剩余的度数，Iter(j)表示在进行k-shell方法时，移除用户j的迭代次数，Γ(i)表示用户i被移除的邻居集合，N(i)，N(j)分别表示用户i，用户j的邻居用户，d(k)表示用户k的度数。
3.根据权利要求1所述的用户行为与心理学的社会网络影响力最大化方法，其特征在于，所述的步骤3具体步骤为：
步骤3.1计算G中所有用户的IC值，随即从这些用户中选择k个IC值最高的用户作为位置向量X，当前最佳位置向量Pbest的初始设定值；
步骤3.2对于X和Pbest中的每个元素，以随机数r，采样空间为N-ST，进行替换，随机数r为[0,1]的小数；
步骤3.2如果r大于0.5，将该元素替换为用户集合N...
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。