一种图注意力机制的社交网络影响力最大化方法及系统技术方案

本发明专利技术涉及一种图注意力机制的社交网络影响力最大化方法及系统，包括如下步骤：S1：收集社交网络数据并构建社交网络的图序列数据；其中图序列数据包括：图邻接矩阵数据和节点表示特征数据；S2：基于图注意力网络和Node2Vec结合算法对图序列数据进行特征提取；S3：启发式地对特征提取后的图序列数据进行候选种子的挑选，并采用贪心算法从候选种子中选出传播度增益最大的节点作为最终的种子节点，从而构成传播度增益最大的种子节点集。本发明专利技术提供的社交网络影响力最大化方法及系统，采用图注意力网络对社交网络图结构进行学习，有效的学习更复杂的图拓扑结构，在社交网络中实现了影响力最大化，具有较好的可用性。具有较好的可用性。具有较好的可用性。

【技术实现步骤摘要】
一种图注意力机制的社交网络影响力最大化方法及系统


[0001]本专利技术涉及社交网络信息传播研究领域，具体涉及一种图注意力机制的社交网络影响力最大化方法及系统。

技术介绍

[0002]随着 5G 时代的到来和新媒体技术的不断发展，在线社交网络愈发的普及，在过去的几年里，在线社交网络作为虚拟社区扮演着重要的角色，玩家通过各种日常个人活动(如交流和内容分享)联系在一起，他们通过一种口口相传的机制，成为最有效、最庞大的传播平台，使得信息能在短时间内影响大量人群。影响力最大化作为信息扩散研究中的一个关键算法问题，由于其潜在的商业价值，近年来得到了广泛的研究。它的目标是通过在社交网络中选取k个用户作为种子节点，然后通过这些用户传播信息去影响其他用户，在信息传播的过程中，使受到影响的用户数量最大。影响力最大化有许多著名应用，如病毒式营销、个性化推荐、级联检测和信息监控。
[0003]目前，社交网络中解决影响力最大化问题的近似算法主要有多种算法。例如，Kemp等人在独立级联模型和线性阈值模型上证明了影响力最大化问题是一个NP难的问题，提出贪心算法来计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图注意力机制的社交网络影响力最大化方法，其特征在于，包括如下步骤：S1：收集社交网络数据并构建社交网络的图序列数据；其中图序列数据包括：图邻接矩阵数据和节点表示特征数据；S2：基于图注意力网络和Node2Vec结合算法对图序列数据进行特征提取；S3：启发式地对特征提取后的图序列数据进行候选种子的挑选，并采用贪心算法从候选种子中选出传播度增益最大的节点作为最终的种子节点，从而构成传播度增益最大的种子节点集。2.如权利要求1所述的社交网络影响力最大化方法，其特征在于，所述步骤S2的具体步骤包括：通过Node2Vec对节点表示特征X
i
进行采样的随机游走序列和负采样操作处理，基于图注意力网络的图注意力网络层对处理后的节点表示特征X
i
再进行处理并计算节点特征输出，将K个输出的节点特征向量拼接起来即为最终的节点特征向量。3.如权利要求2所述的社交网络影响力最大化方法，其特征在于，所述步骤S2中通过Node2Vec对节点表示特征X
i
进行采样的随机游走序列和负采样操作处理的具体步骤还包括：基于Node2Vec对节点表示特征X
i
进行采样的随机游走序列和负采样操作处理，并利用skip
‑
gram算法来最大化中心节点和左右窗口长度w内的上下文节点共同出现的概率，其计算公式为：其中，为节点的一个潜在的节点表示特征；通过公式取对数方法来最小化最终的目标损失函数，并通过随机梯度下降算法对目标损失函数进行优化收敛得出节点表示特征，其目标损失函数计算公式为：。4.如权利要求2所述的社交网络影响力最大化方法，其特征在于，所述步骤S2中基于图注意力网络的图注意力网络层对处理后的节点表示特征X
i
再进行处理的具体步骤包括：基于图注意力网络，将H={h1，h2……
h
n
}作为节点的输入特征，并计算两个节点之间的注意力系数，其计算公式为：其中，表示一个权重矩阵，用来对节点特征进行线性变换，表示一种共享的注意力机制，表示出节点对节点的重要性程度；在通过激活函数对注意力系数进行归一化处理，其计算公式为：
其中，α表示计算注意力的单层神经网络的权重，表示矩阵中的转置操作，表示对两个矩阵的连接操作。5.如权利要求2所述的社交网络影响力最大化方法，其特征在于，所述步骤S2中基于图注意力网络的图注意力网络层对处理后的节点表示特征X
i
再进行处理并计算节点特征输出，将K个输出的节点特征向量拼接起来即为最终的节点特征向量的具体步骤还包括：基于...

【专利技术属性】
技术研发人员：李远鑫，王振宇，韩柳，李萍，梁朝恺，钟伟杰，
申请(专利权)人：中邮消费金融有限公司，
类型：发明
国别省市：