一种基于深度学习与结构演化代理的动态社会网络影响力传播最大化方法技术

本发明专利技术属于数字经济与网络空间安全治理技术领域，具体为一种基于深度学习与结构演化代理的动态社会网络影响力传播最大化方法，包括如下步骤：收集社会网络数据，并通过用户关系建模为动态社会网络，根据不同需求的时间间隔，将网络划分为若干时间网络快照；设计网络结构演化代理方法，根据网络拓扑的变化以及节点选取策略，选取部分节点作为结构演化代理节点；利用随机扩散和卷积神经网络提取代理节点的局部拓扑结构，形成节点嵌入向量表示；通过图卷积神经网络，利用代理节点的信息增量更新历史节点嵌入向量，并预测节点影响力传播期望值，根据模型预测的影响力值，选取影响力最大的一组节点作为当前网络快照的种子集；重复上述步骤，为整个动态网络选取一组种子集，为社会网络影响力传播与控制提供决策依据。

【技术实现步骤摘要】

本专利技术属于数字经济与网络空间安全治理，具体为一种基于深度学习与结构演化代理的动态社会网络影响力传播最大化方法。

技术介绍

1、社会网络影响力最大化问题旨在通过选择一组关键用户，使得信息、产品或思想能够在社会网络中广泛传播，形成规模效益。传统研究多基于单一静态网络模型，假设网络结构在整个传播过程中保持不变。然而，现实中的社会网络随时间因子而动态变化，用户行为和连接关系等随之动态演化。因此，静态模型往往不能充分刻画实际网络传播情况。

2、动态社会网络影响力传播最大化问题分析与优化求解是当前社会网络分析领域难点之一。在动态网络中，网络结构和用户的影响力随着时间因子演化，需要考虑时间维度对网络演化与控制优化的影响。解决动态社会网络影响力传播最大化问题不仅需要在不同时间点上选择最优的种子用户，还要适应网络的不断演化，确保信息传播的广度和深度。目前，现有方法的有效性存在一定局限性，如在不同时间点上选取种子的算法效率仍然是一个重要瓶颈问题。在保证种子集有效性的同时，如何提高网络历史信息的利用率，减少重复计算是一个亟待解决的问题。>

3、深度学习本文档来自技高网...

【技术保护点】

1.一种基于深度学习与结构演化代理的动态社会网络影响力传播最大化方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于深度学习与结构演化代理的动态社会网络影响力传播最大化方法，其特征在于：在步骤一中，将用户建模为节点，用户之间的关系建模为节点间的连边，根据时间间隔将网络划分为若干网络快照，从而构建动态社会网络图：G＝{G1,G2,...,GT}，其中T表示网络快照个数。

3.根据权利要求1所述的一种基于深度学习与结构演化代理的动态社会网络影响力传播最大化方法，其特征在于：在步骤二中，为了提高网络拓扑历史信息的利用率，减少重复计算，提高算法效率，提出了结...

【技术特征摘要】

1.一种基于深度学习与结构演化代理的动态社会网络影响力传播最大化方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于深度学习与结构演化代理的动态社会网络影响力传播最大化方法，其特征在于：在步骤一中，将用户建模为节点，用户之间的关系建模为节点间的连边，根据时间间隔将网络划分为若干网络快照，从而构建动态社会网络图：g＝{g1,g2,...,gt}，其中t表示网络快照个数。

3.根据权利要求1所述的一种基于深度学习与结构演化代理的动态社会网络影响力传播最大化方法，其特征在于：在步骤二中，为了提高网络拓扑历史信息的利用率，减少重复计算，提高算法效率，提出了结构演化代理方法；根据网络的变化情况，选取部分节点作为结构演化代理节点，用于重新计算局部结构特征，作为网络演化信息的记录者。

4.根据权利要求1所述的一种基于深度学习...

【专利技术属性】
技术研发人员：唐建新，瞿继焘，赵付青，许天鹏，李忱朔，付佳强，
申请(专利权)人：兰州理工大学，
类型：发明
国别省市：