一种群智感知稀疏用户角色提取与可信参与式分析方法技术

社会参与式群智感知作为新兴的研究领域，如何在稀疏用户背景下招募值得信赖和活跃度强的高价值用户具有极大挑战，而用户的社会自组织性和中心效应提供了新的研究思路

【技术实现步骤摘要】
一种群智感知稀疏用户角色提取与可信参与式分析方法


[0001]本专利技术属于移动群智感知领域，具体涉及一种群智感知稀疏用户角色提取与可信参与式分析方法
。

技术介绍

[0002]移动群智感知是结合众包思想和移动设备感知能力的一种新的数据收集模式，通过人们已有的移动设备形成交互式的
、
参与式的感知网络，并将感知任务发布给网络中的个体或者群体来完成，因此
MCS
能够从各地收集海量多维异构数据，解决大规模数据需求问题，提供高质量
、
可靠的数据服务
。
现如今，
MCS
被应用在众多重要领域，如城市管理
、
商业智能
、
公共安全
、
环境监测等
。
经典的
MCS
框架由三部分组成，即，云服务器
、
任务请求者和具有智能设备的感知用户
。
在
MCS
系统中，云服务器负责感知数据的收集
、
处理以及为用户提供服务，将请求者所提供任务信息分发给合适的感知用户
。
然后所招募用户通过
WIFI、
蜂窝网络等无线通信技术在移动终端完成任务
。
最后，由感知用户将感知数据上传至云服务器
。
其中，招募高价值的感知用户是
MCS
系统中面临的主要挑战之一，它将直接影响感知任务的完成效率和数据质量，如何权衡任务完成质量和预算成本是用户招募的核心问题
。
[0003]现有研究通常建立在存在大量参与者的用户池假设上，然而当感知系统面临新用户或新任务时，由于缺乏相关历史数据或信息，会导致冷启动问题
。
随着互联网技术的快速发展，社交网络在线平台将用户紧密组织在一起，同时出于信任关系，用户更有意愿接收来着朋友的推荐，更亲密的社交关系也可以帮助用户以更低的沟通成本实现团队合作，为解决用户招募问题提供了新思路
。
因此，社会参与式感知的概念被提出，通过利用在线社交网络作为参与式传感应用的基础设施，使用友谊关系招募合适的感知用户成为了可能，通过挖掘社交网络信息所招募的用户，能够提供值得信赖的贡献
。
如图1所示模拟了社会参与式感知场景，在不同社交场所中散布着大量潜在感知用户，而部分感知任务区域（
a1、a2、a3
）中且存在少量已经建立社交关系的感知用户，红色标注用户（
u3、u6
）在有限社交关系中处于网络中心且影响辐射范围广，在预算成本和用户数量的限制下，这类用户是具有高价值且在任务分发时应优先考虑的对象，因此，如何挖掘稀疏社交关系网络中的中心用户成为了首要问题
。
[0004]“角色”的概念在社会心理学的研究中有着漫长的发展历史，而角色取决于节点连接模式的相似性，网络中具有类似连接模式的节点往往在身份地位或功能作用上表现出某种相似性关系，例如具有较大度特征的中心节点
、
连接网络不同子区域的桥节点等
。
基于角色的网络表示学习主张在嵌入中编码这种相似性，使得扮演相同角色
、
发挥相同作用的节点具有相似的向量表示，这种由角色驱动的表征方式又被称为角色导向的网络表示学习，如何在动态网络中进行角色发现和预测一直是研究的热点问题
。
基于角色的网络表示学习作为网络分析的一类新型技术，进一步深化了网络科学的研究范畴
。
[0005]为了解决上述问题，本专利技术提出了一种群智感知稀疏用户角色提取与可信参与式分析方法
。
首先提取用户的动态社交关系构建社交网络，这一阶段获得的社交网络通常规
模过于庞大且包含无用信息，经过网络分解预处理阶段划分不同子区域，接着基于角色导向的网络表示学习捕捉用户的多重角色信息
。
最后通过建立角色层次模型评估每个用户的时序社交中心性，选择高价值感知用户进行下一阶段的任务分发
。

技术实现思路

[0006]针对社会参与感知中如何基于稀疏用户社交关系招募高价值可信用户问题，本专利技术提出了一种群智感知稀疏用户角色提取与可信参与式分析方法
。
用户选择框架如图2所示，主要包含三个部分：重叠社交关系分解模块
、
角色发现模块
、
角色层次模型构建模块
。
首先基于潜在参与者的动态社交关系构建社交网络，并进行社交关系分解
。
这一阶段主要包含两个过程：局部子图构建和全局图划分，局部子图构建阶段首先构建节点的自我网络，接着使用标签传播聚类算法基于自我网络划分，将节点拆分为不同分解子网络中实例化的角色节点，最后在全局图划分阶段输出原始网络的重叠子网络
。
基于处理后的社交子关系网络进行角色提取过程，挖掘不同子网络内节点结构角色属性
。
最后依据角色重要程度建立角色层次模型，计算每个节点的时序社交中心性，将中心性得分较高的用户作为待招募用户并进行下一阶段的任务分发
。
[0007]重叠社交关系分解
。
本专利技术首先基于感知用户的丰富动态社交关系构建社交网络，将用户的多重社交身份纳入考虑并转换为重叠网络分解问题，使用局部聚类结构的指导来检测重叠子区域最终输出用户的社交关系子网络
。
这一阶段不仅提取了用户的交叉社交属性有助于后续可信用户选择，而且有效提升了任务分配效率
。
[0008]角色发现
。
在本专利技术中基于角色导向的网络表示学习构建分解后的社交关系网络，通过特征提取和角色检测两阶段细粒度捕捉用户的全部角色属性，有助于下一阶段的角色价值分析
。
[0009]角色层次模型构建
。
基于社交网络结构分析理论基础，建立角色层次模型刻画不同角色的重要程度，同时引入时序社交中心性全方位评估用户影响力效应，综合考虑用户的结构和社会特征选取可信用户，保证在稀疏用户池下的任务覆盖率最大化
。
[0010]与现有技术相比，本专利技术的有益效果是：（1）本专利技术针对社会参与式群智感知用户招募问题，基于用户交叉社交属性以及重叠社交关系分解，提取用户的多重身份信息，筛选出高质量的感知用户，进而保证了任务分配的有效性
。
（2）通过基于角色导向的网络表示学习建模用户的角色信息，并建立角色层次模型分析用户社会关系，综合全面地评估了用户的社交功能和角色价值
。
（3）本专利技术首次提出了时序社交中心性概念，通过综合考虑用户的结构和社会特征确定中心用户，该用户在其社交网络中具有较高的信息传播能力，保证了在稀疏用户池下的任务分配覆盖率
。
附图说明
[0011]图1为社会参与感知场景图
。
[0012]图2为本专利技术的整体框架图
。
[0013]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种群智感知稀疏用户角色提取与可信参与式分析方法，其特征在于，包含重叠社交关系分解模块
、
角色发现模块
、
角色层次模型构建模块
。2.
根据权利要求1所述的一种群智感知稀疏用户角色提取与可信参与式分析方法，其特征在于，基于感知用户动态社交关系构建社交网络，考虑交叉社交属性并通过重叠社交关系分解模块捕捉用户的多重身份信息，输出感知用户的社交子关系网络
。3.
根据...

【专利技术属性】
技术研发人员：王健，程新，赵国生，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：