社交網(wǎng)絡(luò)社區(qū)影響力評估算法
【專利摘要】本發(fā)明社交網(wǎng)絡(luò)社區(qū)影響力評估算法，是基于圖論方法基礎(chǔ)上的發(fā)展與應(yīng)用，涉及社交網(wǎng)絡(luò)【技術(shù)領(lǐng)域】。本發(fā)明第一、定義社交網(wǎng)絡(luò)與社區(qū)影響力相關(guān)的概念及建模；第二、計(jì)算出用戶傳播主題信息的意愿、社區(qū)用戶綜合影響、社區(qū)用戶數(shù)量、社區(qū)用戶規(guī)模，再綜合計(jì)算出社區(qū)影響力；第三、計(jì)算出社區(qū)對社區(qū)內(nèi)節(jié)點(diǎn)的影響力、社區(qū)對社區(qū)外節(jié)點(diǎn)的影響力、社區(qū)對社區(qū)的影響力；第四、將計(jì)算出的社區(qū)影響力、社區(qū)對社區(qū)內(nèi)節(jié)點(diǎn)的影響力、社區(qū)對社區(qū)外節(jié)點(diǎn)的影響力、社區(qū)對社區(qū)的影響力,用于評估各社區(qū)間的影響力、節(jié)點(diǎn)對社區(qū)的重要性以及社區(qū)對節(jié)點(diǎn)作用。基于此，本發(fā)明對人人網(wǎng)，微博等社交網(wǎng)絡(luò)影響進(jìn)行評估，為更好傳播信息以及網(wǎng)絡(luò)安全等具有實(shí)際應(yīng)用的前景。
【專利說明】社交網(wǎng)絡(luò)社區(qū)影響力評估算法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及社交網(wǎng)絡(luò)【技術(shù)領(lǐng)域】，更具體的說是社交網(wǎng)絡(luò)社區(qū)影響力評估算法。

【背景技術(shù)】
[0002] 近年來，隨著人們對獲取信息和傳遞信息的需求越來越大，而社交網(wǎng)絡(luò)又是滿足 人們這些需求的良好媒介，從而使得社交網(wǎng)絡(luò)得到了迅速的發(fā)展，社交網(wǎng)絡(luò)是由每個(gè)相 對獨(dú)立的用戶組成的一個(gè)復(fù)雜的虛擬社會(huì)，它是當(dāng)前互聯(lián)網(wǎng)最熱門的網(wǎng)絡(luò)應(yīng)用，深刻的 改變了互聯(lián)網(wǎng)信息傳播的規(guī)則和方式，目前具有代表性的社交網(wǎng)絡(luò)有：人人網(wǎng)，開心網(wǎng)， Facebook, Twitter等。
[0003] 與真實(shí)的社會(huì)網(wǎng)絡(luò)相同，社區(qū)是方便用戶交流的重要元素，例如興趣分享、主題討 論等。因此，社區(qū)將會(huì)對用戶的觀點(diǎn)、感受、決定產(chǎn)生影響，并且影響力越大的社區(qū)對社交網(wǎng) 絡(luò)的影響越大。因此，社區(qū)影響力的評估是對社交網(wǎng)絡(luò)研究的關(guān)鍵挑戰(zhàn)。社區(qū)影響力的研 究有利于更好地管控網(wǎng)絡(luò)帶來的負(fù)面因素以及更好地利用網(wǎng)絡(luò)帶來的正面效應(yīng)。如網(wǎng)絡(luò)輿 情監(jiān)控中如何有效地防止各種有害信息在網(wǎng)絡(luò)中迅速傳播；商業(yè)領(lǐng)域的"口碑效應(yīng)"和"病 毒式營銷"引出的影響力最大化問題等。
[0004] 目前，國內(nèi)外許多學(xué)者都對社交網(wǎng)絡(luò)的社區(qū)挖掘及用戶影響力進(jìn)行了研究，但很 少對社區(qū)的影響力進(jìn)行探討。社區(qū)影響力是對社區(qū)內(nèi)的用戶以及用戶之間的交互形成的相 互影響的一種綜合，也是對社區(qū)的質(zhì)量等進(jìn)行評估的一種方法。社區(qū)是社交網(wǎng)絡(luò)中的一個(gè) 重要的組成元素，它的作用是可以找到更多興趣相同的朋友，而對社區(qū)的影響力進(jìn)行評估， 對穩(wěn)定和發(fā)展社區(qū)有著至關(guān)重要的作用。近年來，對社區(qū)的研究已經(jīng)開展了很多，潘磊等人 基于邊社區(qū)的思想，考慮每條邊在網(wǎng)絡(luò)中所歸屬的局部邊社區(qū)，提出了基于局部信息的邊 社區(qū)挖掘算法；黃發(fā)良等人在給出的社交網(wǎng)絡(luò)及社區(qū)挖掘的形成定義的基礎(chǔ)上，提出了一 個(gè)基于啟發(fā)式策略的在線社交網(wǎng)絡(luò)社區(qū)挖掘框架；楊長春等人研究微博社區(qū)中博主的交互 行為，構(gòu)建微博社區(qū)網(wǎng)絡(luò)，建立評價(jià)指標(biāo)，評價(jià)微博博主在網(wǎng)絡(luò)中的影響力；肖宇等人研究 特定區(qū)域的人群在社交網(wǎng)絡(luò)中的信息傳播行為，對用戶的影響力進(jìn)行評估，提出了社交網(wǎng) 絡(luò)中用戶區(qū)域影響力評估算法；張波等人提出了基于信任的社會(huì)網(wǎng)絡(luò)最大化影響節(jié)點(diǎn)的計(jì) 算方法，該方法引入信任這一元素，考慮信任對節(jié)點(diǎn)的重要影響，將節(jié)點(diǎn)之間的信任度和影 響值結(jié)合，得出綜合影響值，再根據(jù)綜合影響值得出社會(huì)網(wǎng)絡(luò)影響最大化節(jié)點(diǎn)，對節(jié)點(diǎn)影響 的計(jì)算是由節(jié)點(diǎn)的出度和節(jié)點(diǎn)間邊的權(quán)重組成的。上述研究都沒有對社區(qū)影響力進(jìn)行評 估，但是為社交網(wǎng)絡(luò)中社區(qū)影響力的評估提供了一定的基礎(chǔ)。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的針對現(xiàn)有技術(shù)中存在的缺失和不足，提出社交網(wǎng)絡(luò)社區(qū)影響力評估 算法。
[0006] 本發(fā)明在現(xiàn)有的社區(qū)以及對區(qū)域內(nèi)的用戶影響力的評估的基礎(chǔ)上，提出了一種社 區(qū)影響力評估算法。計(jì)算出社區(qū)影響力后還作了相關(guān)方面的延伸，由三個(gè)因素組成：社區(qū)對 社區(qū)內(nèi)節(jié)點(diǎn)的影響力、社區(qū)對社區(qū)外節(jié)點(diǎn)的影響力、社區(qū)對社區(qū)的影響力。本發(fā)明，提出一 種社區(qū)影響力評估算法，其基本流程（如圖1所示）：
[0007] 首先，通過分析用戶以往的接收和傳播主題信息的情況，得出平均用戶傳播主題 信息的意愿，對用戶傳播主題信息及發(fā)布信息等的情況計(jì)算出用戶影響力，根據(jù)社區(qū)內(nèi)所 有用戶的綜合影響、社區(qū)用戶數(shù)量、社區(qū)用戶規(guī)模計(jì)算出社區(qū)影響力。
[0008] 其次，根據(jù)計(jì)算出的社區(qū)內(nèi)用戶的平均用戶傳播主題信息的意愿及社區(qū)內(nèi)節(jié)點(diǎn)受 其他用戶發(fā)布主題信息的影響情況計(jì)算出社區(qū)對社區(qū)內(nèi)節(jié)點(diǎn)的影響力；根據(jù)計(jì)算出的社區(qū) 內(nèi)用戶的平均用戶傳播主題信息的意愿及社區(qū)外節(jié)點(diǎn)受社區(qū)內(nèi)用戶發(fā)布主題信息的影響 情況計(jì)算出社區(qū)對社區(qū)外節(jié)點(diǎn)的影響力；根據(jù)計(jì)算出的社區(qū)內(nèi)的用戶的平均用戶傳播主題 信息的意愿及社區(qū)的重疊與否，分別計(jì)算出非重疊社區(qū)的社區(qū)對社區(qū)的影響力和重疊社區(qū) 的社區(qū)對社區(qū)的影響力。
[0009] 最后，將計(jì)算出的社區(qū)影響力、社區(qū)對社區(qū)內(nèi)節(jié)點(diǎn)的影響力、社區(qū)對社區(qū)外節(jié)點(diǎn)的 影響力、社區(qū)對社區(qū)的影響力，用于評估各社區(qū)間的影響力、節(jié)點(diǎn)對社區(qū)的重要性以及社區(qū) 對節(jié)點(diǎn)作用。
[0010] 本發(fā)明社交網(wǎng)絡(luò)社區(qū)影響力評估算法，具體步驟為：
[0011]A.定義社交網(wǎng)絡(luò)與社區(qū)影響力相關(guān)的概念及建模。
[0012] B.基礎(chǔ)階段：（1)分別統(tǒng)計(jì)用戶接收和傳播主題信息的次數(shù)，計(jì)算出平均用戶傳 播主題信息的意愿（2)根據(jù)社區(qū)內(nèi)平均用戶傳播主題信息的意愿及用戶影響力，計(jì)算出社 區(qū)內(nèi)所有用戶的綜合影響；統(tǒng)計(jì)社區(qū)內(nèi)的用戶數(shù)量，得出社區(qū)用戶數(shù)量；根據(jù)用戶間的關(guān) 系，計(jì)算出社區(qū)的用戶規(guī)模（3)結(jié)合上述計(jì)算出的社區(qū)內(nèi)所有用戶的綜合影響、社區(qū)的用 戶數(shù)量，以及統(tǒng)計(jì)出的社區(qū)的用戶規(guī)模，計(jì)算出社區(qū)影響力。
[0013] C.延伸階段：（1)社區(qū)內(nèi)節(jié)點(diǎn)受其他用戶發(fā)布主題信息的影響情況計(jì)算出社區(qū)對 社區(qū)內(nèi)節(jié)點(diǎn)的影響力（2)根據(jù)計(jì)算出的社區(qū)內(nèi)用戶的平均用戶傳播主題信息的意愿及社 區(qū)外節(jié)點(diǎn)受社區(qū)內(nèi)用戶發(fā)布主題信息的影響情況計(jì)算出社區(qū)對社區(qū)外節(jié)點(diǎn)的影響力（3) 根據(jù)計(jì)算出的社區(qū)內(nèi)的用戶的平均用戶傳播主題信息的意愿及社區(qū)的重疊與否，分別計(jì)算 出非重疊社區(qū)的社區(qū)對社區(qū)的影響力和重疊社區(qū)的社區(qū)對社區(qū)的影響力。
[0014] D.將計(jì)算出的社區(qū)影響力、社區(qū)對社區(qū)內(nèi)節(jié)點(diǎn)的影響力、社區(qū)對社區(qū)外節(jié)點(diǎn)的影 響力、社區(qū)對社區(qū)的影響力，用于評估各社區(qū)間的影響力、節(jié)點(diǎn)對社區(qū)的重要性以及社區(qū)對 節(jié)點(diǎn)作用。
[0015] 其中，所述步驟A的具體過程為：
[0016] 社交網(wǎng)絡(luò)模型：社交網(wǎng)絡(luò)形式化為一個(gè)二分圖，G= (V，E)，V代表社交網(wǎng)絡(luò)中的用 戶集合，E用來描述用戶間的關(guān)系的集合。
[0017] 社區(qū)模型：社區(qū)是由擁有相同興趣愛好的用戶組成，并且是社交網(wǎng)絡(luò)的一個(gè)子 圖，C=<CV，CE>，當(dāng)用戶屬于社區(qū)可以表示為：^，社區(qū)用戶間的關(guān)系可以表示為： Ch^Eo
[0018] 根據(jù)社區(qū)間是否擁有共同用戶，將社區(qū)分為非重疊社區(qū)和重疊社區(qū)
[0019] (1)非重疊社區(qū)：如果社區(qū)中的所有用戶均不屬于另一社區(qū)，則該社區(qū)與另一社 區(qū)為非重疊社區(qū)，非重疊社區(qū)表示為：NC= <SV，CE>，.vklK，Γ/:;/:。
[0020] (2)重疊社區(qū)：如果一個(gè)社區(qū)中的至少有一個(gè)用戶同時(shí)也屬于另一社區(qū)，則兩個(gè) 社區(qū)為重疊社區(qū),重疊社區(qū)表示為：〇C=<MCV,SCV,CE
[0021] 根據(jù)上述的非重疊社區(qū)和重疊社區(qū)，得出下列屬性：
[0022] ΦV\,/,v7- e C.CFa3^(v.,v7-)-> ν^ν.,ν^.) eC.CE；
[0023] φ^eiynVj)g CCEa Vvi,v}.gC.CV；
[0024] # ,λ OCMC1K式0 λ(：足式0 4 ΟΓ.Λ[Κ ΓΚ)(二義T = 0;
[0025] # 3iVC；矣0 λ37VC；.矣0八7VC；矣4Μ；· Π 7VC; =0.
[0026] 社區(qū)影響力評估算法：根據(jù)給出的社區(qū)模型以及與它相關(guān)的社交網(wǎng)絡(luò)的信息來 評估社區(qū)的影響力，社區(qū)影響力評估算法表示為：Cl(Ci) =f(G，Ci),CI(Ci)表示社區(qū)(^的 影響力，f(G，Ci)表示該模型是基于G和Q。
[0027] 用戶影響力：每個(gè)用戶在其所在的社區(qū)內(nèi)存在一定的影響力，而用戶的影響力是 通過用戶發(fā)布的信息影響的人數(shù)來衡量的，用戶發(fā)布的信息影響的人數(shù)即轉(zhuǎn)發(fā)或分享該信 息的總?cè)藬?shù)，用戶發(fā)布的信息，不僅會(huì)影響到社區(qū)內(nèi)的用戶，還會(huì)影響社區(qū)外的用戶，UI的 取值在0到1之間，UI的值越大，表示用戶的影響力越大。
[0028] 社區(qū)影響力：當(dāng)興趣愛好相同的人聚集形成社區(qū)時(shí)，社區(qū)就會(huì)形成一定的影響力， 社區(qū)影響力是對社區(qū)內(nèi)用戶影響力的綜合；
[0029] 如述，社交網(wǎng)絡(luò)是由多個(gè)重疊或非重疊社區(qū)組成，社區(qū)是由用戶組成，每個(gè)用戶是 一個(gè)用戶節(jié)點(diǎn)，每個(gè)用戶節(jié)點(diǎn)可能屬于一個(gè)或多個(gè)社區(qū)，為了便于分析，作出如下定義：
[0030] 每一條主題信息j在社交網(wǎng)絡(luò)中傳播，都會(huì)形成一個(gè)圖gj，社交網(wǎng)絡(luò)中，有η個(gè)主 題，且主題的數(shù)量隨著時(shí)間的推移，在不斷的增加，所以需要不停地對信息進(jìn)行更新，主題S 的集合表示為：S=(S1, s2,S3......sn}，主題S傳播過程中形成的圖的集合表示為：g= {gi,g2,g3......gJ。
[0031] 平均用戶傳播主題信息的意愿：每條主題信息由發(fā)布者開始傳播，用戶在面對該 主題信息時(shí)，決定是否愿意傳播下去，如果用戶轉(zhuǎn)發(fā)或分享，則說明用戶愿意對該主題信息 進(jìn)行傳播；反之，則不愿意，將用戶對多條主題信息的反應(yīng)綜合，形成平均用戶傳播信息的 意愿。
[0032] 社區(qū)對社區(qū)內(nèi)節(jié)點(diǎn)的影響：社區(qū)對社區(qū)內(nèi)節(jié)點(diǎn)的影響是社區(qū)內(nèi)的用戶受到社區(qū)內(nèi) 其他用戶的影響。
[0033] 社區(qū)對社區(qū)外節(jié)點(diǎn)的影響力：社區(qū)內(nèi)的用戶發(fā)布的信息，在影響社區(qū)內(nèi)的用戶的 同時(shí)，也可能對社區(qū)外的節(jié)點(diǎn)產(chǎn)生影響，將社區(qū)看作一個(gè)整體，社區(qū)對社區(qū)外節(jié)點(diǎn)的影響力 即看作是節(jié)點(diǎn)對節(jié)點(diǎn)的影響力；
[0034] 社區(qū)對社區(qū)的影響力：社交網(wǎng)絡(luò)中的社區(qū)與社區(qū)之間由于用戶之間的交互，使得 社區(qū)與社區(qū)之間存在影響力。
[0035] 其中，所述步驟B的具體過程為：
[0036] 用戶在接收到主題信息時(shí)，可能傳播下去，也可能不傳播下去。同時(shí)，用戶接收到 該主題信息的途徑可能有多個(gè)，可能從一個(gè)或多個(gè)用戶那接收到該信息，用戶u對主題信 息j的標(biāo)記為：
[0037]

【權(quán)利要求】
1. 一種社交網(wǎng)絡(luò)社區(qū)影響力評估算法，其特征在于，基于圖論方法，其基本步驟為： 第一步，定義社交網(wǎng)絡(luò)與社區(qū)影響力相關(guān)的概念及建模； 第二步，基礎(chǔ)階段，計(jì)算出用戶傳播主題信息的意愿、社區(qū)用戶綜合影響、社區(qū)用戶數(shù) 量、社區(qū)用戶規(guī)模，再綜合計(jì)算出社區(qū)影響力； 第三步，延伸階段，以基礎(chǔ)階段為基礎(chǔ)，計(jì)算出社區(qū)對社區(qū)內(nèi)節(jié)點(diǎn)的影響力、社區(qū)對社 區(qū)外節(jié)點(diǎn)的影響力、社區(qū)對社區(qū)的影響力； 第四步，將計(jì)算出的社區(qū)影響力、社區(qū)對社區(qū)內(nèi)節(jié)點(diǎn)的影響力、社區(qū)對社區(qū)外節(jié)點(diǎn)的影 響力、社區(qū)對社區(qū)的影響力，用于評估各社區(qū)間的影響力、節(jié)點(diǎn)對社區(qū)的重要性以及社區(qū) 對節(jié)點(diǎn)作用。
2. 根據(jù)權(quán)利要求1所述的社交網(wǎng)絡(luò)社區(qū)影響力評估算法，其特征在于，所述第一步定 義，包括步驟： 社交網(wǎng)絡(luò)模型：社交網(wǎng)絡(luò)可以形式化為一個(gè)二分圖，G= (V，E)，V代表社交網(wǎng)絡(luò)中的用 戶集合，E用來描述用戶間的關(guān)系的集合； 社區(qū)模型：社區(qū)是由擁有相同興趣愛好的用戶組成，為社交網(wǎng)絡(luò)的一個(gè)子圖，C= <CV，CE>，當(dāng)用戶屬于社區(qū)表示為：，社區(qū)用戶間的關(guān)系表示為：; 根據(jù)社區(qū)間是否擁有共同用戶，將社區(qū)分為非重疊社區(qū)和重疊社區(qū)； (1) 非重疊社區(qū)：如果社區(qū)中的所有用戶均不屬于另一社區(qū)，則該社區(qū)與另一社區(qū)為 非重疊社區(qū)，非重疊社區(qū)表示為
(2) 重疊社區(qū)：如果一個(gè)社區(qū)中的至少有一個(gè)用戶同時(shí)也屬于另一社區(qū)，則兩個(gè)社區(qū) 為重疊社區(qū)，重疊社區(qū)表示為
根據(jù)上述的非重疊社區(qū)和重疊社區(qū)，得出下列屬性：
社區(qū)影響力評估算法：根據(jù)給出的社區(qū)模型以及與它相關(guān)的社交網(wǎng)絡(luò)的信息來評估 社區(qū)的影響力，社區(qū)影響力評估算法表示為
表示社區(qū)q的影響 力，f(G，Ci)表示該模型是基于G和Ci; 用戶影響力：每個(gè)用戶在其所在的社區(qū)內(nèi)存在一定的影響力，而用戶的影響力是通過 用戶發(fā)布的信息影響的人數(shù)來衡量的，用戶發(fā)布的信息影響的人數(shù)即轉(zhuǎn)發(fā)或分享該信息的 總?cè)藬?shù)，用戶發(fā)布的信息，不僅會(huì)影響到社區(qū)內(nèi)的用戶，還會(huì)影響社區(qū)外的用戶，UI的取值 在0到1之間，UI的值越大，表示用戶的影響力越大； 社區(qū)影響力：當(dāng)興趣愛好相同的人聚集形成社區(qū)時(shí)，社區(qū)就會(huì)形成一定的影響力，社區(qū) 影響力是對社區(qū)內(nèi)用戶影響力的綜合； 如述，社交網(wǎng)絡(luò)是由多個(gè)重疊或非重疊社區(qū)組成，社區(qū)是由用戶組成，每個(gè)用戶是一個(gè) 用戶節(jié)點(diǎn)，每個(gè)用戶節(jié)點(diǎn)可能屬于一個(gè)或多個(gè)社區(qū)，為了便于分析，作出如下定義： 每一條主題信息j在社交網(wǎng)絡(luò)中傳播，都會(huì)形成一個(gè)圖gj，社交網(wǎng)絡(luò)中，有n個(gè)主題， 且主題的數(shù)量隨著時(shí)間的推移，在不斷的增加，所以需要不停地對信息進(jìn)行更新，主題s 的集合表示為：s={Sps2,s3......sn},主題S傳播過程中形成的圖的集合表示為：g= {gi，g2.Ss......gnl； 平均用戶傳播主題信息的意愿：每條主題信息由發(fā)布者開始傳播，用戶在面對該主題 信息時(shí)，決定是否愿意傳播下去，如果用戶轉(zhuǎn)發(fā)或分享，則說明用戶愿意對該主題信息進(jìn) 行傳播；反之，則不愿意，將用戶對多條主題信息的反應(yīng)綜合，形成平均用戶傳播信息的意 愿； 社區(qū)對社區(qū)內(nèi)節(jié)點(diǎn)的影響：社區(qū)對社區(qū)內(nèi)節(jié)點(diǎn)的影響是社區(qū)內(nèi)的用戶受到社區(qū)內(nèi)其他 用戶的影響； 社區(qū)對社區(qū)外節(jié)點(diǎn)的影響力：社區(qū)內(nèi)的用戶發(fā)布的信息，在影響社區(qū)內(nèi)的用戶的同時(shí)， 也可能對社區(qū)外的節(jié)點(diǎn)產(chǎn)生影響，將社區(qū)看作一個(gè)整體，社區(qū)對社區(qū)外節(jié)點(diǎn)的影響力即看 作是節(jié)點(diǎn)對節(jié)點(diǎn)的影響力； 社區(qū)對社區(qū)的影響力：社交網(wǎng)絡(luò)中的社區(qū)與社區(qū)之間由于用戶之間的交互，使得社區(qū) 與社區(qū)之間存在影響力。
3. 根據(jù)權(quán)利要求1所述的社交網(wǎng)絡(luò)社區(qū)影響力評估算法，其特征在于，所述第二步基 礎(chǔ)階段，計(jì)算出用戶傳播主題信息的意愿、社區(qū)用戶綜合影響、社區(qū)用戶規(guī)模，統(tǒng)計(jì)出社區(qū) 用戶數(shù)量，再綜合計(jì)算出社區(qū)影響力，包括步驟： (1) 分別統(tǒng)計(jì)用戶接收和傳播主題信息的次數(shù)，計(jì)算出平均用戶傳播主題信息的意 愿； (2) 根據(jù)社區(qū)內(nèi)平均用戶傳播主題信息的意愿及用戶影響力，計(jì)算出社區(qū)內(nèi)所有用戶 的綜合影響；統(tǒng)計(jì)社區(qū)內(nèi)的用戶數(shù)量，得出社區(qū)用戶數(shù)量；根據(jù)用戶間的關(guān)系，計(jì)算出社區(qū) 的用戶規(guī)模； (3) 結(jié)合上述計(jì)算出的社區(qū)內(nèi)所有用戶的綜合影響、社區(qū)的用戶規(guī)模，以及統(tǒng)計(jì)出的社 區(qū)的用戶數(shù)量，計(jì)算出社區(qū)影響力。
4. 根據(jù)權(quán)利要求1所述的社交網(wǎng)絡(luò)社區(qū)影響力評估算法，其特征在于，所述第三步延 伸階段，計(jì)算出社區(qū)對社區(qū)內(nèi)節(jié)點(diǎn)的影響力、社區(qū)對社區(qū)外節(jié)點(diǎn)的影響力、社區(qū)對社區(qū)的影 響力，包括步驟： (1) 社區(qū)內(nèi)節(jié)點(diǎn)受其他用戶發(fā)布主題信息的影響情況計(jì)算出社區(qū)對社區(qū)內(nèi)節(jié)點(diǎn)的影響 力； (2) 根據(jù)計(jì)算出的社區(qū)內(nèi)用戶的平均用戶傳播主題信息的意愿及社區(qū)外節(jié)點(diǎn)受社區(qū)內(nèi) 用戶發(fā)布主題信息的影響情況計(jì)算出社區(qū)對社區(qū)外節(jié)點(diǎn)的影響力； (3) 根據(jù)計(jì)算出的社區(qū)內(nèi)的用戶的平均用戶傳播主題信息的意愿及社區(qū)的重疊與否， 分別計(jì)算出非重疊社區(qū)的社區(qū)對社區(qū)的影響力及重疊社區(qū)的社區(qū)對社區(qū)的影響力。
5. 根據(jù)權(quán)利要求3所述的社交網(wǎng)絡(luò)社區(qū)影響力評估算法，其特征在于，所述⑴分別統(tǒng) 計(jì)用戶接收和傳播主題信息的次數(shù)，計(jì)算出平均用戶傳播主題信息的意愿，還包括步驟： 用戶在接收到主題信息時(shí)，可能傳播下去，也可能不傳播下去，同時(shí)，用戶接收到該主 題信息的途徑可能有多個(gè)，可能從一個(gè)或多個(gè)用戶那接收到該信息，用戶u對主題信息j的 標(biāo)記為：
用戶U接收主題信息的次數(shù)，初始值為0,若此時(shí)用戶u對主題信息j的標(biāo)記為1，則用 戶u接收主題信息的次數(shù)加1，雖然用戶u可能從多個(gè)用戶那接收到主題信息j，但是，用戶 U對主題信息j的累加只進(jìn)行一次，用戶U對主題信息j的傳播，是通過觀察圖gj，
其中，為0時(shí)，表明用戶未對該主題信息進(jìn)行傳播，為1時(shí)，表明用戶對該主 題信息進(jìn)行了傳播；當(dāng)用戶u的出度大于0時(shí)，說明用戶u對主題信息j進(jìn)行了傳播，平均 用戶傳播主題信息的意愿，其計(jì)算方法為：
AP(u)為用戶u平均傳播主題信息的意愿；0為綜合因子，且0e[0，1] ;Pr〇u為用 戶傳播主題信息的總次數(shù);AcSu為用戶接收主題信息的總次數(shù)；集合A(u)為社區(qū)內(nèi)指向用 戶U的節(jié)點(diǎn)，VGA(U)為節(jié)點(diǎn)V指向u被存放于集合A(u);集合B(u)為社區(qū)外指向用戶u 的節(jié)點(diǎn)，beB(u)為社區(qū)外節(jié)點(diǎn)b指向u被存放于集合；每條主題信息的傳播，都會(huì)形成一 個(gè)新的圖，S(u)，g(u)分別為節(jié)點(diǎn)u發(fā)布的主題信息的集合，發(fā)布主題信息后形成的主題信 息傳播圖的集合，對每個(gè)新圖的指向u的節(jié)點(diǎn)和社區(qū)外節(jié)點(diǎn)對節(jié)點(diǎn)u產(chǎn)生的影響進(jìn)行計(jì)算 綜合；w(v)，w(b)分別為節(jié)點(diǎn)v和節(jié)點(diǎn)b的權(quán)重，而w(v)和w(b)是通過節(jié)點(diǎn)的出度來衡量 的；a為社區(qū)外節(jié)點(diǎn)對社區(qū)內(nèi)節(jié)點(diǎn)的影響系數(shù)；in表示社區(qū)外節(jié)點(diǎn)指向社區(qū)內(nèi)節(jié)點(diǎn)的 次數(shù)，ta。表示社區(qū)內(nèi)節(jié)點(diǎn)指向社區(qū)外節(jié)點(diǎn)的次數(shù)，""氣表示社區(qū)內(nèi)用戶的數(shù)量；假設(shè)AP(u) 的初值為1 ; 以上對平均用戶傳播主題信息的意愿的計(jì)算是通過將用戶自身傳播信息的意愿和社 區(qū)內(nèi)以及社區(qū)外節(jié)點(diǎn)對用戶的影響進(jìn)行綜合，得出客觀的平均用戶傳播信息的意愿。
6.根據(jù)權(quán)利要求3所述的社交網(wǎng)絡(luò)社區(qū)影響力評估，其特征在于，所述（2)根據(jù)社區(qū)內(nèi) 平均用戶傳播主題信息的意愿及用戶影響力，計(jì)算出社區(qū)內(nèi)所有用戶的綜合影響，統(tǒng)計(jì)社 區(qū)內(nèi)的用戶數(shù)量，得出社區(qū)用戶數(shù)量，根據(jù)用戶間的關(guān)系，計(jì)算出社區(qū)的用戶規(guī)模，還包括 步驟： 用戶發(fā)布的主題信息，將會(huì)對社區(qū)內(nèi)和社區(qū)外的用戶產(chǎn)生影響，對用戶影響力，其計(jì)算 方法為：
7
其中，UI(U)為用戶u的影響力；S(u)為用戶u發(fā)布的主題信息的集合；sum^為r條 主題信息影響的社區(qū)內(nèi)人數(shù)；smvu為r條主題信息影響的社區(qū)外人數(shù)邛為社區(qū)內(nèi)節(jié)點(diǎn) 對社區(qū)外節(jié)點(diǎn)的影響系數(shù)；tac;_。表示社區(qū)內(nèi)用戶指向社區(qū)外用戶的次數(shù)，ta。表示社區(qū)外用 戶接收社區(qū)內(nèi)主題信息的次數(shù)，nUIVt表示社區(qū)外用戶的數(shù)量，€為用戶影響力的影響因 子，表示社區(qū)內(nèi)用戶的數(shù)量，numsai^示用戶u發(fā)布的主題信息的次數(shù)；如果用戶從未 發(fā)布過信息，就設(shè)用戶的影響力為〇. 01 ; 根據(jù)用戶發(fā)布的所有主題信息，對社區(qū)內(nèi)和社區(qū)外產(chǎn)生影響的總?cè)藬?shù)的綜合得出用戶 影響力； 相對于社區(qū)外的用戶而言，社區(qū)又被看作一個(gè)整體，則整體就有其特有的影響力，包括 如下因素： a. 社區(qū)內(nèi)用戶的綜合影響，其計(jì)算方法為：
UIKQ)是社區(qū)Q的用戶綜合影響；I(u)是社區(qū)內(nèi)用戶的集合；AP(u)是用戶u的平均 傳播主題信息的意愿；UI(u)是用戶u的用戶影響力； b. 社區(qū)用戶的數(shù)量是社區(qū)內(nèi)存在的用戶的數(shù)量，在計(jì)算社區(qū)影響力時(shí)起著至關(guān)重要的 作用，如果不考慮該因素，則不同的社區(qū)可能有相同的社區(qū)影響力，這是不合理的； c. 社區(qū)用戶規(guī)模是用戶間的關(guān)系，通過用戶的出度來確定，社區(qū)用戶規(guī)模，其計(jì)算方法 為：
US(Ci)是社區(qū)Ci的用戶規(guī)模，outdegree(u)是用戶u的出度。
7. 根據(jù)權(quán)利要求3所述的社交網(wǎng)絡(luò)社區(qū)影響力評估算法，其特征在于，所述（3)結(jié)合上 述計(jì)算出的社區(qū)內(nèi)所有用戶的綜合影響、社區(qū)的用戶規(guī)模，以及統(tǒng)計(jì)出的社區(qū)的用戶數(shù)量， 計(jì)算出社區(qū)影響力，還包括步驟： 綜合上述三個(gè)因素，得出社區(qū)影響力，社區(qū)影響力，其計(jì)算方法為：
其中，M和N是影響因素，因?yàn)樵诓煌纳鐓^(qū)影響力評估算法中各個(gè)影響因素的重要性 不同，M和N可根據(jù)實(shí)際情況進(jìn)行取值。
8. 根據(jù)權(quán)利要求4所述的社交網(wǎng)絡(luò)社區(qū)影響力評估算法，其特征在于，所述（1)社區(qū) 內(nèi)節(jié)點(diǎn)受其他用戶發(fā)布主題信息的影響情況計(jì)算出社區(qū)對社區(qū)內(nèi)節(jié)點(diǎn)的影響力，還包括步 驟： 社區(qū)對社區(qū)內(nèi)的用戶的影響力，其計(jì)算方法為：
假設(shè)節(jié)點(diǎn)h在社區(qū)內(nèi)，I(u)是社區(qū)內(nèi)節(jié)點(diǎn)的集合，I(u)_{h}表示節(jié)點(diǎn)h不在集合內(nèi)；influ用來標(biāo)記節(jié)點(diǎn)h是否被用戶u發(fā)布的影響影響，如果節(jié)點(diǎn)h被主題信息s影響，influ 則是1，否則influ是0 ; 社區(qū)對社區(qū)內(nèi)節(jié)點(diǎn)的影響力的計(jì)算是將社區(qū)外節(jié)點(diǎn)受到社區(qū)內(nèi)節(jié)點(diǎn)發(fā)布信息的影響 和社區(qū)內(nèi)用戶影響力綜合。
9. 根據(jù)權(quán)利要求4所述的社交網(wǎng)絡(luò)社區(qū)影響力評估算法，其特征在于，所述⑵根據(jù)計(jì) 算出的社區(qū)內(nèi)用戶的平均用戶傳播主題信息的意愿及社區(qū)外節(jié)點(diǎn)受社區(qū)內(nèi)用戶發(fā)布主題 信息的影響情況計(jì)算出社區(qū)對社區(qū)外節(jié)點(diǎn)的影響力，還包括步驟： 由于社區(qū)是由許多用戶組成的群體，這個(gè)群體勢必會(huì)對社區(qū)外的節(jié)點(diǎn)產(chǎn)生影響力，社 區(qū)對社區(qū)外節(jié)點(diǎn)的影響力，其計(jì)算方法如下： 假設(shè)節(jié)點(diǎn)q為社區(qū)外節(jié)點(diǎn)，
其中，ICTN(q)為社區(qū)對社區(qū)外節(jié)點(diǎn)q的影響力；3為社區(qū)內(nèi)節(jié)點(diǎn)對社區(qū)外節(jié)點(diǎn)的 影響系數(shù)；C(u)為社區(qū)內(nèi)用戶的集合；AP(u)為用戶u的平均用戶傳播主題信息的意愿； S(u)，g(u)分別為節(jié)點(diǎn)u發(fā)布的主題信息的集合，發(fā)布主題信息后形成的主題信息傳播圖 的集合；infs為用戶u發(fā)布的主題信息對節(jié)點(diǎn)q的影響，若主題信息s對用戶產(chǎn)生影響，則 infs為1，反之，則inf3為0 ; 上述社區(qū)對社區(qū)外節(jié)點(diǎn)的影響力，根據(jù)社區(qū)內(nèi)所有節(jié)點(diǎn)發(fā)布的主題信息，對社區(qū)外節(jié) 點(diǎn)產(chǎn)生影響和社區(qū)內(nèi)節(jié)點(diǎn)的平均傳播主題信息的意愿綜合得出。
10. 根據(jù)權(quán)利要求4所述的社交網(wǎng)絡(luò)社區(qū)影響力評估算法，其特征在于，所述（3)根據(jù) 計(jì)算出的社區(qū)內(nèi)的用戶的平均用戶傳播主題信息的意愿及社區(qū)的重疊與否，分別計(jì)算出非 重疊社區(qū)的社區(qū)對社區(qū)的影響力和重疊社區(qū)的社區(qū)對社區(qū)的影響力，還包括步驟： a. 非重疊社區(qū) 社區(qū)GA和社區(qū)GB是重疊社區(qū)，對GA對社區(qū)G 影響力，其計(jì)算方法為：
其中，ICTC(GA-GB)為社區(qū)GA對社區(qū)GB的影響力；@為社區(qū)內(nèi)節(jié)點(diǎn)對社區(qū)外節(jié)點(diǎn)的 影響系數(shù)；D(GA)和H(GB)分別為社區(qū)GA和社區(qū)GB*用戶的集合；AP(u)為用戶u的平均用 戶傳播主題信息的意愿；S(GA)和g(GA)分別為社區(qū)GA*所有用戶發(fā)布的主題信息的集合和 所有用戶發(fā)布的主題信息形成的主題信息傳播圖的集合；sumu_為社區(qū)GA中用戶u發(fā)布的 所有主題信息影響的社區(qū)&的人數(shù)； 上述社區(qū)對社區(qū)的影響力的計(jì)算是通過統(tǒng)計(jì)社區(qū)GA發(fā)布的所有主題信息對社區(qū)GB產(chǎn) 生影響的人數(shù)，綜合得出了社區(qū)間的影響力； b. 重疊社區(qū)，其計(jì)算方法為：
其中，ICTC(GA-GB)為社區(qū)64對社區(qū)GB的影響力；GA-GAnGB為社區(qū)GA中減去與社區(qū)GB重疊的用戶所剩余的用戶的集合；GB-GAnGB為社區(qū)GB中去掉與社區(qū)64重疊的用戶所剩 余的用戶的集合;AP(u)為用戶u的平均用戶傳播主題信息的意愿；S(G(A)-G(A)nG(B)) 和g(G(A)-G(A)nG(B))分別為社區(qū)GA中去掉與社區(qū)GB重合的用戶，所剩下的用戶發(fā)布的 主題信息的集合和剩下的用戶發(fā)布的主題信息形成的主題信息傳播圖的集合；sumu_為社 區(qū)Ga中去掉與社區(qū)Gb重合的用戶，所剩下的用戶u發(fā)布的所有主題信息影響的社區(qū)Gb* 去掉與社區(qū)64重合的用戶的總?cè)藬?shù)；G(A)nG(B)為社區(qū)Ga與社區(qū)Gb重疊的用戶的集合； S(G(A)nG(B))和g(G(A)nG(B))分別為社區(qū)GA與社區(qū)GB重合的用戶，重合的用戶發(fā)布 的主題信息的集合和重合的用戶發(fā)布的主題信息形成的主題信息傳播圖的集合；sumin.u為 節(jié)點(diǎn)u發(fā)布的主題信息影響的社區(qū)&內(nèi)人數(shù)； 上述對重疊社區(qū)對社區(qū)的影響力的計(jì)算是通過將社區(qū)GA中去掉與社區(qū)GB重疊的用戶， 剩下的用戶對社區(qū)GB中去掉與社區(qū)GA重疊的用戶產(chǎn)生的影響以及社區(qū)GA和社區(qū)GB重疊的 用戶，對社區(qū)&產(chǎn)生的影響的綜合，得出社區(qū)對社區(qū)的影響力。
【文檔編號】G06Q50/00GK104484825SQ201410740284
【公開日】2015年4月1日 申請日期:2014年12月5日 優(yōu)先權(quán)日:2014年12月5日
【發(fā)明者】張波, 楊濤, 宋倩倩, 宋鋒, 胡斯卉 申請人:上海師范大學(xué), 公安部第三研究所