一种基于多特征融合的社交网络节点重要性度量方法技术

一种基于多特征融合的社交网络节点重要性度量方法，使用中心性指标、传递性指标和声望指标作为度量节点重要性的属性特征；其次是融合三个特征，在此过程中使用基于区间数模型的概率指派生成方法将特征值转化为基本概率指派函数，之后使用已改进的证据理论融合多重BPA；最后，依据融合后的指标得到节点重要的概率，对节点进行排序。针对度量真实的大型社交网络中节点重要性时，该方法有较高的度量准确性。性。性。

【技术实现步骤摘要】
一种基于多特征融合的社交网络节点重要性度量方法


[0001]本专利技术涉及网络分析
，具体说的是一种基于多特征融合的社交网络节点重要性度量方法。

技术介绍

[0002]基于多特征融合的社交网络节点重要性度量方法是指通过将社交网络用户特征数据(包括中心性、传递性、声望等)转化为证据后，利用D
‑
S证据理论将其进行融合得到判定节点重要性的度量指标，从而对节点重要概率进行衡量的过程。具体过程如图1所示。
[0003]节点重要性度量主要用来寻找社交网络领域具有极大传播影响力的节点，此类节点能够影响甚至决定整个网络的结构和功能，并能快速影响网络上的大多数其他节点，及时甄别重要节点对于有效掌控社交网络资源、引导网络舆情发展方向及控制谣言传播具有现实意义。
[0004]在真实社交网络中，由于网络耦合信息和传递机制的影响，节点的中心性、传递性、声望往往呈现出来的是一种不确定性关系，三者信息之间可能会相互抵消。并且将其中一种属性特征转化为证据后，两两之间可能存在冲突或者难以根据其中一种判定节点重要程度的问题。以往的研究只是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多特征融合的社交网络节点重要性度量方法，包括以下步骤：步骤1、分别计算节点的中心性指标、传递性指标和声望指标；步骤2、将表示为在基于中心性指标的标准下节点v
i
的重要或者不重要的概率；m
F,I
(i),m
F,NI
(i)表示为在基于传递性指标的标准下节点v
i
的重要或者不重要的概率；表示为在基于声望指标的标准下节点v
i
的重要或者不重要的概率；步骤3、将m
F,I
(i)、m
F,NI
(i)、使用组合规则进行证据融合；其特征在于：步骤3进行证据融合的规则为，将m
F,I
(i)、融合为节点vi的重要概率，将m
F,NI
(i)、融合为节点vi的不重要概率，节点vi的重要或者不重要的概率由1减去节点vi的重要概率和节点vi的不重要概率获得；还包括步骤4、将节点vi的重要或者不重要的概率，分配给节点v
i
的重要概率，获得各节点的MFF(i)值，根据节点的MFF(i)值对社交网络中节点进行降序排列，排名越靠前的节点越重要。2.如...

【专利技术属性】
技术研发人员：王剑，王玉翠，黄梦杰，王明慧，彭雨琦，赵宇斐，安镇宙，于勇涛，杨健，
申请(专利权)人：郑州大学，
类型：发明
国别省市：