一种社交网络中的社区影响力评估系统及方法技术方案

本发明专利技术涉及一种社交网络中的社区影响力评估系统及方法，所述方法包括：构造以社交网络用户为节点、用户关系为边的社交网络图；根据社交网络图，采用标签传播算法进行社区划分，获得社交网络的社区结构；根据社区网络图及社区隶属矩阵，计算社区影响力参数，生成各社区的初始影响力；根据影响力传播概率模型，生成影响力传播概率矩阵；根据影响力传播概率矩阵及社区影响力迭代计算模型，迭代更新社区影响力，直到满足迭代终止条件，得到每个社区的影响力值，经归一化后，得到社区影响力序列，即社交网络中各社区的影响力估计结果。该系统及方法可有效的分析社交网络中的社区影响力分布，挖掘高影响力社区，可应用于网络营销等领域。

【技术实现步骤摘要】
一种社交网络中的社区影响力评估系统及方法
本专利技术涉及社交网络
，特别是一种社交网络中的社区影响力评估系统及方法。
技术介绍
社会影响力是指由于用户、组织或者社区与其他用户、组织或者社区等具有社交关系，导致自身行为随其他用户、组织或者社区的变化而变化的一种现象。社会影响力是社交网络中常见的一种现象。在社会网络中，各种各样的因素都可能对影响力产生影响。通过对社交网络中节点、社区等个体的影响力进行分析，可以发现社交网络中的具有重要影响力的核心节点和核心社区，可用于企业商业营销、广告定向投放、言论渠道推荐、舆情监控等诸多领域。目前对社会影响力的研究主要集中于个体节点的影响力分析，针对不同结构或者不同类型的社会网络，通过结合多种网络结构特征、节点属性或者行为关系等因素，构造相应的模型与算法对个体节点的社会影响力进行评估。所采用的模型主要包括基于度中心性、距离中心性、介数中心性等结构属性的评估模型。如MeeyoungCha等采用用户的入度、转发数和引用数三个参数评价Twitter网络中用户的影响力；XiongZ等设计了UCI(UserCommunityInfluence)模型用于评估用户之间的影响力；刘建国等基于k-shell分解方法评估节点影响力。近年来出现了一些针对社区影响力的评估方法，BELAKV等基于社交网络中成员间的交互性以及成员与社区间的隶属度计算社区间的交叉影响力；EftekharM等基于信息传播的思想发现传播能力较强的社区。综上，针对社交网络中用户个体的影响力分析已经出现了较完善的技术和方法，但是针对社交网络中社区级别的影响力分析的方法还相对较少，且缺乏对社交网络中各社区的影响力的全面分析评估，面对大规模社交网络的场景，现有方法无论是在分析效果和效率上都难以满足要求。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种社交网络中的社区影响力评估系统及方法，该系统及方法有利于提高社区影响力评估的效果和效率。为实现上述目的，本专利技术的技术方案是：一种社交网络中的社区影响力评估系统，所述系统包括社交网络图构造模块、社区划分模块、社区网络构造模块、社区初始影响力生成模块、社区影响力传播概率生成模块和社区影响力估计模块；社交网络图构造模块，用于构造以社交网络用户为节点、用户关系为边的社交网络图；社区划分模块，用于根据社交网络图，采用标签传播算法进行社区划分，获得社交网络的社区结构；社区网络构造模块，用于根据社交网络的社区结构，生成社区网络图，构造表示节点与社区隶属关系的社区隶属矩阵；社区初始影响力生成模块，用于根据社区网络图及社区隶属矩阵，计算社区影响力参数，生成各社区的社区初始影响力；社区影响力传播概率生成模块，用于根据所采用的影响力传播概率模型，生成影响力传播概率矩阵；社区影响力估计模块，用于根据得到的影响力传播概率矩阵、社区初始影响力以及所采用的社区影响力迭代计算模型，迭代更新社区影响力，直到满足迭代终止条件，经归一化后，得到社区影响力序列，即社交网络中各社区的社区影响力评估结果。本专利技术还提供了一种社交网络中的社区影响力评估方法，所述方法包括如下步骤：步骤A：读取社交网络数据，构造以社交网络用户为节点，用户关系为边的社交网络图；步骤B：根据社交网络图，采用标签传播算法进行社区划分，获得社交网络的社区结构；步骤C：根据社交网络的社区结构，生成社区网络图，计算表示节点与社区隶属关系的社区隶属矩阵；步骤D：根据社区网络图及社区隶属矩阵，计算社区影响力参数，生成各社区的社区初始影响力；步骤E：根据所采用的影响力传播概率模型，计算影响力传播概率矩阵，获得任意两个社区间的影响力传播概率；步骤F：根据影响力传播概率矩阵、社区初始影响力以及所采用的社区影响力迭代计算模型，迭代更新社区影响力，直到满足迭代终止条件，得到每个社区的影响力值；步骤G：对获得的各个社区的影响力值进行归一化，得到社区影响力序列，即社交网络中各社区的社区影响力评估结果。进一步地，当步骤B将社交网络G=(V,E)划分为k个社区，获得社交网络的社区结构后，在步骤C中，用社区网络图CG=(C,CE)表示社交网络的社区结构，其中C={c1,c2,…,ck}表示划分得到的社区集合，为社区网络图CG的边集，由E中连接不同社区的边子集构成，社区隶属矩阵M为矩阵，表示节点与社区之间的隶属关系，矩阵元素定义为：即如果节点i隶属于社区q，则Mi,q=1，否则Mi,q=0。进一步地，所述步骤D具体包括以下步骤：步骤D1：提供社交网络图G=(V,E)、社区网络图CG=(C,CE)、社区隶属矩阵M；步骤D2：计算反映社区之间关系密切程度的社区关联矩阵R；步骤D3：计算社区之间的影响程度矩阵IA；步骤D4：根据得到的影响程度矩阵，计算各社区的社区初始影响力。进一步地，所述步骤D2中，社区关联矩阵R为矩阵，矩阵元素的计算公式如下：其中，ai,j为社交网络图G的邻接矩阵元素，Ri,j为连接社区p和社区q的边集的权重和，即社区p和社区q之间的关联关系数，反映社区间的关联密切程度。进一步地，所述步骤D3中，影响程度矩阵IA表示社区相互之间的影响程度，定义为社区关联矩阵R和作用矩阵的Hadamard积，计算公式为：其中作用矩阵的元素定义为：其中，Ni,j表示社区i和社区j存在关联的节点数，|Vj|为社区j的节点数。进一步地，所述步骤D4中，社区初始影响力定义为该社区对其所有邻居社区的影响程度总和，社区初始影响力计算公式为：其中，NE(p)表示社区p的邻居社区集合。进一步地，所述步骤E中，社区影响力传播概率矩阵T的矩阵元素的计算公式如下：其中，为影响力贡献率，表示社区p的影响力扩散到社区q的概率，的定义仅考虑两个社区之间的影响力转移概率，体现的是社区的局部影响，定义如下：具有如下性质：该性质保证了各社区影响力扩散概率的一致性；Sp,q表示社区q的邻居社区p对除社区q的邻居社区外的社区的影响力传播概率，考虑了社区影响力扩散到邻居社区后对其他社区的间接影响力，即社区的全局影响能力，定义如下：其中|NE(p)|表示社区p的邻居社区数，表示社区p和社区q的共同邻居数。进一步地，所述步骤F中，社区影响力迭代计算模型定义如下：其中，T为社区影响力传播概率矩阵，k为社区数，为阻尼因子，用于对社区影响力的计算进行修正，t表示迭代次数，N为最大迭代次数；迭代终止条件定义为算法前后两次迭代的影响力相差值小于阈值或者迭代次数超过最大迭代次数N；指所有社区前后两次迭代影响力差值的最大值，定义为：。进一步地，所述步骤G中，归一化是将各社区影响力值映射到[0,1]区间，便于对个社区影响力的定量定性估计，采用的线性归一化函数定义为：其中，Infli为第i个社区的影响力值，MinInfl为社区影响力最小值，MaxInfl为社区影响力最大值。相较于现有技术，本专利技术的有益效果是：基于邻居质量、社区成员数、社区邻居数等社区影响力因素，采用随机游走模型，构造了社区影响力传播概率转移模型及影响力评估迭代方法。综上，本专利技术的系统和方法能够合理有效地评估社交网络中社区的影响力。附图说明图1是本专利技术系统的模块结构示意图。图2是本专利技术方法的实现流程图。具体实施方式下面结合附图及具体实施例对本专利技术作进一步的详细说明本文档来自技高网...

【技术保护点】
一种社交网络中的社区影响力评估系统，其特征在于，所述系统包括：社交网络图构造模块，用于构造以社交网络用户为节点、用户关系为边的社交网络图；社区划分模块，用于根据社交网络图，采用标签传播算法进行社区划分，获得社交网络的社区结构；社区网络构造模块，用于根据社交网络的社区结构，生成社区网络图，构造表示节点与社区隶属关系的社区隶属矩阵；社区初始影响力生成模块，用于根据社区网络图及社区隶属矩阵，计算社区影响力参数，生成各社区的社区初始影响力；社区影响力传播概率生成模块，用于根据所采用的影响力传播概率模型，生成影响力传播概率矩阵；社区影响力估计模块，用于根据得到的影响力传播概率矩阵、社区初始影响力以及所采用的社区影响力迭代计算模型，迭代更新社区影响力，直到满足迭代终止条件，经归一化后，得到社区影响力序列，即社交网络中各社区的社区影响力评估结果。

【技术特征摘要】
1.一种社交网络中的社区影响力评估系统，其特征在于，所述系统包括：社交网络图构造模块，用于构造以社交网络用户为节点、用户关系为边的社交网络图；社区划分模块，用于根据社交网络图，采用标签传播算法进行社区划分，获得社交网络的社区结构；社区网络构造模块，用于根据社交网络的社区结构，生成社区网络图，构造表示节点与社区隶属关系的社区隶属矩阵；社区初始影响力生成模块，用于根据社区网络图及社区隶属矩阵，计算社区影响力参数，生成各社区的社区初始影响力；社区影响力传播概率生成模块，用于根据所采用的影响力传播概率模型，生成影响力传播概率矩阵；社区影响力估计模块，用于根据得到的影响力传播概率矩阵、社区初始影响力以及所采用的社区影响力迭代计算模型，迭代更新社区影响力，直到满足迭代终止条件，经归一化后，得到社区影响力序列，即社交网络中各社区的社区影响力评估结果；当所述社区划分模块将社交网络G＝(V,E)划分为k个社区，获得社交网络的社区结构后，所述社区网络构造模块用社区网络图CG＝(C,CE)表示社交网络的社区结构，其中C＝{c1,c2,…,ck}表示划分得到的社区集合，CE＝{ei,j|ei,j∈E∧i∈cp∧j∈cq∧p≠q}为社区网络图CG的边集，由E中连接不同社区的边子集构成，社区隶属矩阵M为n×k矩阵，表示节点与社区之间的隶属关系，矩阵元素定义为：即如果节点i隶属于社区q，则Mi,q＝1，否则Mi,q＝0；所述社区初始影响力生成模块根据社区网络图及社区隶属矩阵，计算社区影响力参数，生成各社区的社区初始影响力具体包括以下步骤：步骤D1：提供社交网络图G＝(V,E)、社区网络图CG＝(C,CE)、社区隶属矩阵M；步骤D2：计算反映社区之间关系密切程度的社区关联矩阵R；步骤D3：计算社区之间的影响程度矩阵IA；步骤D4：根据得到的影响程度矩阵，计算各社区的社区初始影响力Infli,s.t.i＝1,2,...,k；所述步骤D2中，社区关联矩阵R为k×k矩阵，矩阵元素的计算公式如下：其中，ai,j为社交网络图G的邻接矩阵元素，Rp,q为连接社区p和社区q的边集的权重和，即社区p和社区q之间的关联关系数，反映社区间的关联密切程度；所述步骤D3中，影响程度矩阵IA表示社区相互之间的影响程度，定义为社区关联矩阵R和作用矩阵Γ的Hadamard积，计算公式为：其中作用矩阵Γ的元素定义为：其中，Ni,j表示社区i和社区j存在关联的节点数，|Vj|为社区j的节点数；所述步骤D4中，社区初始影响力定义为该社区对其所有邻居社区的影响程度总和，社区初始影响力计算公式为：其中，NE(p)表示社区p的邻居社区集合；所述社区影响力传播概率生成模块根据所采用的影响力传播概率模型，生成影响力传播概率矩阵，社区影响力传播概率矩阵T的矩阵元素的计算公式如下：Tp,q＝Sp,q.Ψp,qs.t.p＝1,2,...,k；q＝1,2,...,k其中，Ψp,q为影响力贡献率，表示社区p的影响力扩散到社区q的概率，Ψp,q的定义仅考虑两个社区之间的影响力转移概率，体现的是社区的局部影响，定义如下：Ψp,q具有如下性质：该性质保证了各社区影响力扩散概率的一致性；Sp,q表示社区q的邻居社区p对除社区q的邻居社区外的社区的影响力传播概率，考虑了社区影响力扩散到邻居社区后对其他社区的间接影响力，即社区的全局影响能力，定义如下：其中|NE(p)|表示社区p的邻居社区数，|NE(p)∩NE(q)|表示社区p和社区q的共同邻居数。2.一种社交网络中的社区影响力评估方法，其特征在于，所述方法包括如下步骤：步骤A：读取社交网络数据，构造以社交网络用户为节点，用户关系为边的社交网络图；步骤B：根据社交网络图，采用标签传播算法进行社区划分，获得社交网络的社区结构；步骤C：根据社交网络的社区结构，生成社区网络图，计算表示节点与社区隶属关系的社区隶属矩阵；步骤D：根据社区网络图及社区隶属矩阵，计算社...

【专利技术属性】
技术研发人员：陈羽中，陈国龙，罗宇敏，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建;35