一种基于改进离散混合蛙跳算法的重要节点识别方法技术

本发明专利技术公开了一种基于改进离散混合蛙跳算法的重要节点识别方法，适用于社交网络下影响力最大化研究领域。其具体步骤为：首先对离散混合蛙跳优化算法框架DSFLA中的各项数据利用度随机干扰算法进行初始化工作；然后对初始划分好的模因进行影响力的计算，并依照所得出的计算结果将各模因按影响力大小重新分配至各个模因组中；接着根据改进离散混合蛙跳算法的局部优化过程对每个模因组中的模因进行优化，改进离散混合蛙跳算法增加邻居节点排序机制。最后从优化后的青蛙群中选出最优的模因，其模因中包含的序列即选出的k个种子节点。与现有技术相比，本发明专利技术所提出的方法可以更好的识别出社交网络中的重要节点，是一种比较优秀的影响力最大化算法。的影响力最大化算法。的影响力最大化算法。

【技术实现步骤摘要】
一种基于改进离散混合蛙跳算法的重要节点识别方法


[0001]本专利技术属于社交网络影响力最大化
，特别涉及一种基于改进离散混合蛙跳算法的重要节点识别方法。

技术介绍

[0002]随着互联网的快速发展，微博、微信等社交网络平台已经成为当下人们进行交互沟通，信息传播的重要媒介。影响力最大化(Influence Maximization,IM)问题是当前社交网络信息传播分析的热点领域，目的是通过在社交网络中选取出具有较高影响力的种子节点集，来进行消息的传播，使其在短时间内传播到的用户总数最大。现如今，影响力最大化已经应用在口碑营销、谣言控制、疫情防控等诸多领域，且都发挥着重大的研究和应用价值。因此，如何在社交网络平台频出、社交网络规模不断扩大的趋势下，衡量节点的影响能力，挖掘出网络中最有传播能力的k个种子节点集合，实现信息的最大限度的传播是具有重要的研究意义的。
[0003]近年来随着社交网络影响力最大化研究的热门，已经有诸多科研人员提出许多影响力最大化算法来寻找重要节点，主要分为贪心算法、启发式算法、还有基于群体智能优化的算法这三个方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进离散混合蛙跳算法的重要节点识别方法，其特征在于，包括如下步骤：S1、对离散混合蛙跳算法框架DSFLA中的各项数据利用度随机干扰算法进行初始化工作，最终分配好青蛙群F、模因组memeplex、模因meme；S2、对划分好的数据进行影响力的估计，依照估计结果将数据重新划分到m个模因组memeplex中，每个模因组中包含有n个模因，进而完成对整个青蛙群F的更新；S3、根据改进的离散混合蛙跳算法的局部优化过程对各模因组memeplex进行局部优化，所述改进的离散混合蛙跳算法在原有的离散混合蛙跳算法基础上增加邻居节点排序机制，取出每个模因序列元素memetype在社交网络中的邻居节点集，并按照邻居节点的度中心性进行从大到小排序，利用邻居节点集根据局部最优模因P
b
、全局最优模因P
g
更新局部最差模因P
w
；S4、从优化后的青蛙群F中选出最优模因，其包含的序列名即k个种子节点。2.根据权利要求1所述的基于改进离散混合蛙跳算法的重要节点识别方法，其特征在于，所述步骤S1具体为：S1.1、初始化目标种子节点数量k、离散混合蛙跳算法中的青蛙数量F、模因组的数量m；S1.2、初始化改进离散混合蛙跳算法中局部局部优化过程中的迭代次数T；S1.3、对社交网络数据集中的每个节点进行度中心性计算，得到中心性列表集List_degree，并进行从大到小排列，设置所有模因组中的每个模因的组成序列都是由List_degree中的前k个节点的ID构成；S1.4、通过度随机干扰算法Degree Random Interference Algorithm，对每一个模因meme的组成序列进行重新分配，最终得到青蛙群F；最终分配好青蛙群F、模因组memeplex、模因meme、模因序列元素memetype：F＝{memeplex1,memeplex2,...,memeplex
m
}memeplex＝{meme1,meme2,...meme
n
}meme＝{memetype1,memetype2,...memetype
k
}其中F＝m*n，即表示青蛙数是模因组数与模因数的乘积。3.根据权利要求1所述的基于改进离散混合蛙跳算法的重要节点识别方法，其特征在于，所述步骤S2的具体步骤为：S2.1、根据多种群疫情传播模型DSEIRS计算每个荷叶上每只青蛙的传播规模；所述疫情传播模型DSEIRS将社交网络的数据集划分成两种类型，表示成易感种群和不易感种群；其中易感种群和不易感种群均又将人口分为了易感者S、感染者I、潜伏者E、恢复者R；按照DSEIRS模型的传播规则对初始分配好的模因进行模拟传播：所述DSEIRS模型模拟传播规则公式如下：所述DSEIRS模型模拟传播规则公式如下：所述DSEIRS模型模拟传播规则公式如下：
其中，N表示疫情传播过程中的总人数，t表示疫情传播时间，r表示每日每人接触到的人数，S1和S2分别表示为易感种群和不易感种群中正常个体在时间t下的人数，E1和E2分别表示为易感种群和不易感种群中潜伏者在时间t下的人数，I1和I2分别表示为易感种群和不易感种群中感染者在时间t下的人数，R1和R2分别表示为易感种群和不易感种群中恢复者在时间t下的人数，α
11
表示潜伏者对易感种群的正常个体的感染概率，α
12
表示感染者对易感种群的正常个体的感染概率，α
21
表示潜伏者对不易感种群的正常个体的感染概率，α
22
表示感染者对不易感染种群的正常个体的感染概率，β1表示易感种群的潜伏者转变为感染者的概率，β2表示不易感种群的潜伏者转变为感染者的概率，λ1表示易感种群的感染者被治愈好的概率，λ2表示不易感种群的感染者被治愈好的概率，γ1表示易感种群的恢复者的复阳率，γ2表示不易感种群的恢复者的复阳率。S2.2、将计算出的每个模因的影像录数值集Influence_Set从大到小排序，并按Influence_Set中的模因序号，依次完成对模因组的重新分配，进而完成对整个青蛙群F的更新。4.根据权利要求3所述的基于改进离散混合蛙跳算法的重要节点识别方法，其特征在于，所述S2.2中重新分配的规则为：从模因组memeplex1中的模因meme1开始分配，模因组memeplex1中所有模因分配完成后，开始模因组memeplex2的分配，直到将所有模因组分配完成。5.根据权利要求1所述的基于改进离散混合蛙跳算法的重要节点识别方法，其特征在于，所述步骤S3中根据改进的离散混合蛙跳算法的局部优化过程对各模因组memeplex进行局部优化的具体步骤为：S3.1、设定迭代数目的变量i，其中变量i初始值均为0；S3.2、选出...

【专利技术属性】
技术研发人员：陈伯伦，乔伟锐，姚玉婷，弭云国，许雪，王笑颜，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：