【技术实现步骤摘要】
本专利技术涉及桥节点识别，特别是涉及一种基于改进的图卷积神经网络的社交网络桥节点识别方法。
技术介绍
1、社交网络可以看作是由大量的节点和连边构成的图。节点代表社交媒体中的用户，边则代表用户之间的关系。社交网络中会形成内部连接比外部连接更加紧密的节点集群，大规模的集群被称为社区，集群内部节点用户角色相似，不同集群节点用户相异。桥节点是连接不同集群的一类特殊关键节点，能够控制不同类型的用户集群间的信息传递与交流。识别社交网络的桥节点有助于舆情控制、用户分析等研究。
2、桥节点识别的方法主要分为基于社区结构的方法和不考虑社区结构的方法。基于社区的桥节点评估方法在有较好的应用前景，但忽略了节点作为集群间节点的角色这一情况，不能全面的评价节点桥接的作用；且依赖特定的社区划分算法，算法的选择可能影响桥节点识别的准确性。不考虑社区结构的方法则消除了社区对网络的限制，可以直接应用到没有社区结构的网络中，目标是从节点桥接的角度寻找有影响力的节点，但可用信息限制它只能从节点的局部拓扑或全局信息中挖掘与桥接效应相关的属性，具有局限性。
<...【技术保护点】
1.一种基于改进的图卷积神经网络的社交网络桥节点识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进的图卷积神经网络的社交网络桥节点识别方法，其特征在于，步骤1具体包括：
3.根据权利要求2所述的基于改进的图卷积神经网络的社交网络桥节点识别方法，其特征在于，综合桥接得分Qi的计算公式为：
4.根据权利要求3所述的基于改进的图卷积神经网络的社交网络桥节点识别方法，其特征在于，步骤S3具体包括：
【技术特征摘要】
1.一种基于改进的图卷积神经网络的社交网络桥节点识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进的图卷积神经网络的社交网络桥节点识别方法，其特征在于，步骤1具体包括：
3.根据权...
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。