CN108156035B - 一种社区结构网络的社交圈中的交友策略 - Google Patents

一种社区结构网络的社交圈中的交友策略 Download PDF

Info

Publication number
CN108156035B
CN108156035B CN201711420408.4A CN201711420408A CN108156035B CN 108156035 B CN108156035 B CN 108156035B CN 201711420408 A CN201711420408 A CN 201711420408A CN 108156035 B CN108156035 B CN 108156035B
Authority
CN
China
Prior art keywords
community
network
community structure
local
friend
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711420408.4A
Other languages
English (en)
Other versions
CN108156035A (zh
Inventor
宿红毅
陈倩
刘佳谋
郑宏
闫波
刘一平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN201711420408.4A priority Critical patent/CN108156035B/zh
Publication of CN108156035A publication Critical patent/CN108156035A/zh
Application granted granted Critical
Publication of CN108156035B publication Critical patent/CN108156035B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/12—Shortest path evaluation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/04—Network management architectures or arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/12—Discovery or management of network topologies

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明涉及一种社区结构网络的社交圈中的交友策略，属于网络科学及社会学技术领域。根据真实社交网络和用户视角的不同，交友策略分为局部交友策略和全局交友策略。首先获取连接代价和时间代价，然后执行交友策略，建立社区结构局部网络和社区结构全局网络，在社区结构局部网络和社区结构全局网络中寻找新的节点，并根据连接代价和时间代价，判断并决定与目标结点是建立还是解除关系。本发明保证了用户可以在短时间内较快提高自己在网络中的重要性；避免了社交过程中用户隐私的泄露，实现了安全的社交模式；可以为社交网络提供好友推荐的理论支持；可以将本发明中的策略研究应用于其他网络结构中，如在道路网络、合作网络中解决实际问题等。

Description

一种社区结构网络的社交圈中的交友策略
技术领域
本发明涉及一种社区结构网络的社交圈中的交友策略，属于网络科学及社会学技术领域。
技术背景
1998年，复杂网络领域著名研究学者沃茨(Watts)和斯特罗加茨(Strogatz)发现许多网络中都存在小世界现象。小世界特性中包含了2个重要的属性，即网络平均路径长度、平均聚集系数。网络中节点之间的平均距离，通常用平均路径长度进行刻画。平均聚集系数(Clustering Coefficient)描述了任取一个节点，它的邻居也互为相邻节点的概率。研究表明，大多数不同种类的社交网络中都存在小世界现象，如知名的社交网络Facebook、YouTube、LiveJournal等。具有小世界现象的社交网络可以用于快速的去中心化搜索
2002年格文(Girvan)和纽曼(Newman)指出了复杂网络的特征除了具有小世界性和无标度性外，一般情况下还具有社区结构这一特征。网络中节点的社区结构即模块化结构是复杂网络一个非常重要的性质和特征。大量研究表明许多网络都是存在社区结构的，即复杂网络不是简单地由许多具有相同背景的节点的随机连接而成的，而是由许多具有不同背景的节点以某种关联规则连接而成的，其中相同背景的节点它们之间的连接比较紧密，而不同背景的节点之间的边则相对较少。学术界把同一背景的节点和它们之间的边所构成的子网络图叫做网络中的社区或者模块。
英国牛津大学的人类学家罗宾·邓巴(Robin Dunbar)在20世纪90年代提出人类智力将允许人类拥有稳定社交网络的人数是148人，四舍五入大约是150人，从另一方面可以表明，一个人的社交能力是有限的，只能维持一定数量的朋友，超出能力范围内的社交容易导致无用社交。而六度分离理论则表明，任何两个人之间都可以通过六个人认识，所以，可以在有限的时间内认识需要认识的朋友。
已存在的公共性的社交模式可以让用户与更多的人建立关系，但随着社交网络的发展，网络安全、信息隐私逐渐受到大家的重视，传统公共性的社交模式并不能很好的保护用户隐私，尤其针对注重信息隐私的用户，公共性的社交模式容易导致用户信息泄露，并且交友容易没有针对性，用户虽然可以认识很多人，但并不能够维持稳定的朋友圈，导致一些无用社交，此种社交模式有待改进。本发明的目的是致力于解决上述传公共性社交模式的缺陷，提出了社区结构的社交圈中建立交友策略。
发明内容
本发明的目的在于提高个体在网络中的优势地位，从计算机科学、数学以及社会学的角度，提出了一种社区结构网络的社交圈中的交友策略，该交友策略保证了用户既可以在短时间内较快提高自己在网络中的重要性，又可以保护用户的信息隐私，更够实现安全又迅速的社交模式。
本发明一种社区结构网络的社交圈中的交友策略，根据真实世界的实际交友情况和用户视角的不同，包括局部交友策略和全局交友策略；其中，局部交友策略是指用户在结交新朋友时，只能看到网络中部分节点情况；全局交友策略是指用户在结交新朋友时，可以看到整个网络中的布局情况。
其中，局部交友策略包含非社区局部策略和社区局部策略，其中，社区局部策略是在社区结构网络中加入社区发现算法，对社区结构网络进行了社区划分，建立社区局部网络；全局交友策略包含非社区全局策略和社区全局策略；
其中，非社区全局策略就是在非社区局部策略基础上再返回网络；社区全局策略是在社区结构网络中加入了社区发现算法，对社区结构网络进行了社区划分，建立社区全局网络；
一种社区结构网络的社交圈中的交友策略，包括以下步骤：
步骤一、获取连接代价和时间代价；
步骤一，具体为：用户通过调用平均最短路径函数获取连接代价，用户通过调用平均度函数获取时间代价；
其中，平均最短路径函数即average_shortest_path_length函数，其功能分别为求出平均最短路径；平均度函数即ave_degree()，其功能是求平均度数；
步骤二、基于初始社区结构网络分别建立社区结构网络的非社区局部网络、社区局部网络、社区结构网络的非社区全局网络及社区全局网络，具体包括如下步骤：
步骤2A.1：用户通过两次调用邻居函数，在初始社区结构网络中寻找用户的邻居节点及邻居节点的所有邻居节点；
其中，调用的邻居函数即neighbors()，通过调用该邻居函数寻找邻居节点；
步骤2A.2将步骤2A.1中找到的所有节点同目标节点一同组成一个新的局部网络，即社区结构局部网络，称为社区结构网络的非社区局部网络；
至此，从步骤2A.1到步骤2A.2，建立了社区结构网络的非社区局部网络；
步骤2B.1：在初始社区结构网络中加入社区发现算法，通过调用社区划分函数对该初始社区结构网络进行社区划分，划分为N个小社区结构网络；
其中，调用的社区划分函数为split_communities()，该社区划分函数将该社区结构网络划分为大小不同的N个小社区结构网络；
其中，N的范围为大于等于2个；
步骤2B.2在步骤2B.1基础上，用户通过调用社区交集函数，在网络中寻找与用户所在的社区有关系的其他社区的邻居节点，再将寻找到的节点同社区内所有节点一同组成一个新的社区结构局部网络；
至此，从步骤2B.1到步骤2B.2，建立了社区结构网络的社区局部网络；
其中，调用的社区交集函数为two_graph_edges()；
步骤2C：返回初始社区结构网络，此时返回的初始社区结构网络是不断重复步骤2A中的相应函数调用操作，建成社区结构网络的非社区全局网络，即多个社区结构网络的非社区局部网络构成了社区结构网络的非社区全局网络；
步骤2D.1：执行步骤2B.1，即在初始社区结构网络中加入社区发现算法，通过调用社区划分函数对网络进行社区划分；
其中，调用的社区划分函数为split_communities()，该社区划分函数将该初始社区结构网络划分为大小不同的N个小社区结构网络；
其中，N的范围大于等于2个；
步骤2D.2在步骤2D.1基础上，用户通过平均接近中心度函数获取各个社区的平均接近中心度大小，再通过长度函数获取各个社区大小，将获取的各个社区大小作为权重比与各个社区平均接近中心度相乘，乘积最高的社区作为最优的全局网络，即社区结构网络的社区全局网络；
其中，平均接近中心度函数即ave_closeness_centrality()，其功能是获取步骤2D.1中划分的大小不同的N的小社区结构网络的平均接近中心度；长度函数即len()，其功能是获取步骤2D.1中划分的大小不同的N的小社区结构网络的大小；
至此，从步骤2D.1到步骤2D.2，建立了社区结构网络的社区全局网络；
其中，步骤2A.1、步骤2A.2与步骤2B.1、步骤2B.2、步骤2C、与步骤2D.1、步骤2D.2是并行关系，可以分别同时进行，也可以按顺序执行；
步骤三、在步骤二建立的四个社区结构网络中分别选择新节点，并根据步骤一获取的连接代价和时间代价判断并决定是否与目标节点建立或解除关系，具体包括如下子步骤：
步骤3.1：在步骤2A.2、步骤2B.2、步骤2C、步骤2D.2输出的社区结构局部网络和社区结构全局网络中寻找接近中心度最高的节点，并与该节点建立关系，具体为：
3.1A：若用户的邻居数量超过设定的连接代价，则在社区结构局部网络和社区结构全局网络中，从用户的邻居节点中寻找接近中心度最低的节点，并与该节点解除关系；
3.1B：若用户的邻居数量小于或等于设定的连接代价，则用户继续寻找社区结构局部网络和社区结构全局网络中接近中心度最高的节点并与该节点建立关系；
其中，社区结构局部网络包括步骤2A.2生成的社区结构网络的非社区局部网络和步骤2B.2生成的社区结构网络的社区局部网络；社区结构全局网络包括步骤2C生成的社区结构网络的非社区全局网络以及步骤2D.2生成的社区结构网络的社区全局网络；
步骤3.2：重复步骤3.1直到达到步骤一获取的时间代价为止，用户停止寻找社区结构局部网络和社区结构全局网络中接近中心度最高的节点，返回该社区结构局部网络和社区结构全局网络；
步骤3.3：计算步骤2A.2、步骤2B.2、步骤2C、步骤2D.2输出的社区结构局部网络和社区结构全局网络中用户的接近中心度改变量、嵌入度改变量以及运行耗时；
至此，从步骤一到步骤三，完成了一种社区结构的社交圈中的交友策略。
有益效果
本发明一种社区结构网络的社交圈中的交友策略，与现有的社交模式相比，具有如下有益效果：
1.本发明中的交友策略可以让用户在短时间内，通过有限的连接代价和时间代价下，即资源有限的条件下，提高自己在网络中的重要性，避免了用户的无用社交；
2.现有的社交网络好友推荐策略都是泛社交模式即公开用户信息的推荐方式，容易导致用户信息的泄露，本发明所述的交友策略在一定程度上保护了用户的隐私；
3.随着社交模式发展，传统社交模式正在向私密社交、移动社交转变，本发明中的交友策略可以为社交网络提供好友推荐的理论支持；
4.可以将本发明中的策略研究应用于其他网络结构中，如运用在道路网络、合作网络中，来解决实际问题等。
附图说明
图1为本发明一种社区结构的社交圈中的交友策略及实施例1中的交友策略流程图；
图2为本发明一种社区结构的社交圈中的交友策略中的局部交友策略流程图；
图3为本发明一种社区结构的社交圈中的交友策略中的全局交友策略流程图；
图4为本发明一种社区结构的社交圈中的交友策略中的交友策略运用在真实社交网络中对节点中心度的改变情况比较；
图5为本发明一种社区结构的社交圈中的交友策略运用在真实社交网络中对节点嵌入度的改变情况比较；
图6本发明一种社区结构的社交圈中的交友策略运用在真实社交网络中运行耗时情况比较。
具体实施方式
下面结合附图及实施例对本发明所述的一种社区结构网络的社交圈中的交友策略进行较为详细的阐述。
实施例1
本实施例详细阐述了本发明的四种策略在四种真实社交网络环境下情况下具体实施时的各种指标的表现情况。
图1是本发明一种社区结构的社交圈中的交友策略及实施例1中的交友策略流程图，其过程如图1所示：首先在网络中随机选取目标结点，通过步骤一，获取目标节点的连接代价和时间代价，其中连接代价是网络的平均度数，时间代价是网络的平均最短路径；之后，执行局部交友策略或全局交友策略，建立社区结构局部网络或社区结构全局网络；在建立的社区结构局部网络或社区结构全局网络中选取结点，并根据步骤一中的连接代价和时间代价，在初始社区结构网络中判断和决定与目标结点是建立和还是解除关系；最后，计算目标结点在初始社区结构网络中的接近中心度改变量，运行耗时和嵌入度改变量；
图2是本发明一种社区结构的社交圈中的交友策略中的局部交友策略流程图；其过程如图2所示：首先随机选取目标结点，通过步骤一，获取目标节点的连接代价和时间代价，执行步骤二，分别执行步骤2A.1、步骤2A.2，步骤2B.1、步骤2B.2，获得社区结构的局部网络，其中步骤2A.1、步骤2A.2建立社区结构网络的非社区局部网络时，是将目标节点的邻居节点，以及邻居节点的邻居节点一起建立一个局部网络，这类似于真实世界中的“共同好友”策略，用户的视角只能看到朋友和朋友的朋友；而步骤2B.1、步骤2B.2建立社区结构网络的社区局部网络时，要先对社区结构网络进行社区划分，然后将与目标节点所在社区有交集的其他社区的节点，同社区内所有节点建立起一个社区结构网络的社区局部网络，与社区结构网络的非社区局部网络不同的是，社区结构网络的非社区局部网络中的节点是“朋友”和“朋友的朋友”，而社区结构网络的社区局部网络中的节点是“朋友”和“社区的朋友”；最后通过步骤三，在社区结构网络的非社区局部网络和社区结构网络的社区局部网络中寻找新的节点，根据步骤一中的连接代价和时间代价，判断并决定与目标结点是建立还是解除关系。
图3是本发明一种社区结构的社交圈中的交友策略中的全局交友策略流程图，其过程如图3所示：通过步骤一，获取目标节点的连接代价和时间代价；执行步骤二，分别执行步骤2C、步骤2D.1、步骤2D.2获得社区结构的全局网络，其中步骤2C不断重复步骤2A中的相应函数调用操作，建成社区结构网络的非社区全局网络；而步骤2D.1、步骤2D.2建立社区结构网络的社区全局网络时，要先对社区结构网络进行社区划分，然后从划分得到的N个小社区中寻找最优社区，即社区结构网络的全局网络；最后通过步骤三，在社区结构网络的非社区全局网络和社区结构网络的社区全局网络中寻找新的节点，根据步骤一中的连接代价和时间代价，判断并决定与目标结点是建立还是解除关系。
图4是运用四种策略在真实社交网络上，目标节点的接近中心度改变量比较，横坐标分别为四种真实社交网络BlogCatalog、Facebook、Youtube、Douban，纵坐标为接近中心度改变量，柱状图分别展现了社区结构网络的非社区局部网络、社区结构网络的社区局部网络、社区结构网络的非社区全局网络、社区结构网络的社区全局网络下，目标节点中心度改变量的平均值。从图4可以看出，社区结构网络的社区局部网络下，目标结点的接近中心度改变量最大，局部交友策略的社区局部策略能够更好的提高目标节点在网络中的重要性。
图5是运用交友策略在真实社交网络上，目标节点的嵌入度改变量比较，横坐标分别为四种真实社交网络BlogCatalog、Facebook、Youtube、Douban，纵坐标为嵌入度改变量，柱状图分别展现了社区结构网络的非社区局部网络、社区结构网络的社区局部网络、社区结构网络的非社区全局网络、社区结构网络的社区全局网络下，目标节点嵌入度改变量的平均值。从图5可以看出，社区结构网络的社区局部网络下，目标结点嵌入度的改变量最大，局部交友策略的社区局部策略可以使用户在社会网络中建立牢固的信任度高的关系。
图6是运用四种策略在真实社交网络上，目标节点的运行耗时比较比较，横坐标分别为四种真实社交网络BlogCatalog、Facebook、Youtube、Douban，纵坐标为运行耗时，柱状图分别展现了社区结构网络的非社区局部网络、社区结构网络的社区局部网络、社区结构网络的非社区全局网络、社区结构网络的社区全局网络下，目标节点运行耗时的平均值。从图6可以看出局部交友策略表现出较长的运行耗时，因为当社交网络规模足够大时，邻居关系会变得十分复杂，节点的朋友数量会增多，相应的建立局部网络的时间也会增长。
以上所述为本发明的较佳实施例而已，本发明不应该局限于该实施例和附图所公开的内容。凡是不脱离本发明所公开的精神下完成的等效或修改，都落入本发明保护的范围。

Claims (4)

1.一种社区结构网络的社交圈中的交友策略，其特征在于：根据真实世界的实际交友情况和用户视角的不同，包括局部交友策略和全局交友策略；其中，局部交友策略是指用户在结交新朋友时，只能看到网络中部分节点情况；全局交友策略是指用户在结交新朋友时，可以看到整个网络中的布局情况；
其中，局部交友策略包含非社区局部策略和社区局部策略，其中，社区局部策略是在社区结构网络中加入社区发现算法，对社区结构网络进行了社区划分，建立社区局部网络；非社区局部策略是在社区结构网络下，对网络进行局部划分形成非社区局部网络；全局交友策略包含非社区全局策略和社区全局策略；
其中，非社区全局策略就是在非社区局部策略基础上再返回网络；社区全局策略是在社区结构网络中加入了社区发现算法，对社区结构网络进行了社区划分，建立社区全局网络；
具体包括以下步骤：
步骤一、获取连接代价和时间代价；
步骤二、基于初始社区结构网络分别建立社区结构网络的非社区局部网络、社区局部网络、社区结构网络的非社区全局网络及社区全局网络,具体包括如下步骤：
步骤2A.1：用户通过两次调用邻居函数，在初始社区结构网络中寻找用户的邻居节点及邻居节点的所有邻居节点；
其中，调用的邻居函数即neighbors()，通过调用该邻居函数寻找邻居节点；
步骤2A.2 将步骤2A.1中找到的所有节点同目标节点一同组成一个新的局部网络，即社区结构局部网络，称为社区结构网络的非社区局部网络；
至此，从步骤2A.1到步骤2A.2，建立了社区结构网络的非社区局部网络；
步骤2B.1：在初始社区结构网络中加入社区发现算法，通过调用社区划分函数对该初始社区结构网络进行社区划分，划分为N个小社区结构网络；
其中，调用的社区划分函数为split_communities()，该社区划分函数将该社区结构网络划分为大小不同的N个小社区结构网络；
其中，N的范围为大于等于2个；
步骤2B.2 在步骤2B.1基础上，用户通过调用社区交集函数，在网络中寻找与用户所在的社区有关系的其他社区的邻居节点，再将寻找到的节点同社区内所有节点一同组成一个新的社区结构局部网络；
至此，从步骤2B.1到步骤2B.2，建立了社区结构网络的社区局部网络；
其中，调用的社区交集函数为two_graph_edges()；
步骤2C：返回初始社区结构网络，此时返回的初始社区结构网络是不断重复步骤2A中的相应函数调用操作，建成社区结构网络的非社区全局网络，即多个社区结构网络的非社区局部网络构成了社区结构网络的非社区全局网络；
步骤2D.1：执行步骤2B.1，即在初始社区结构网络中加入社区发现算法，通过调用社区划分函数对网络进行社区划分；
其中，调用的社区划分函数为split_communities()，该社区划分函数将该初始社区结构网络划分为大小不同的N个小社区结构网络；
其中，N的范围大于等于2个；
步骤2D.2 在步骤2D.1基础上，用户通过平均接近中心度函数获取各个社区的平均接近中心度大小，再通过长度函数获取各个社区大小，将获取的各个社区大小作为权重比与各个社区平均接近中心度相乘，乘积最高的社区作为最优的全局网络，即社区结构网络的社区全局网络；
其中，平均接近中心度函数即ave_closeness_centrality()，其功能是获取步骤2D.1中划分的大小不同的N的小社区结构网络的平均接近中心度；长度函数即len()，其功能是获取步骤2D.1中划分的大小不同的N的小社区结构网络的大小；
至此，从步骤2D.1到步骤2D.2，建立了社区结构网络的社区全局网络；
步骤三、在步骤二建立的四个社区结构网络中分别选择新节点，并根据步骤一获取的连接代价和时间代价判断并决定是否与目标节点建立或解除关系；
至此，从步骤一到步骤三，完成了一种社区结构的社交圈中的交友策略。
2.根据权利要求1所述的一种社区结构网络的社交圈中的交友策略，其特征在于：步骤一，具体为：用户通过调用平均最短路径函数获取连接代价，用户通过调用平均度函数获取时间代价；
其中，平均最短路径函数即average_shortest_path_length函数，其功能分别为求出平均最短路径；平均度函数即ave_degree()，其功能是求平均度数。
3.根据权利要求1所述的一种社区结构网络的社交圈中的交友策略，其特征在于：步骤2A.1、步骤2A.2与步骤2B.1、步骤2B.2、步骤2C、与步骤2D.1、步骤2D.2是并行关系，可以分别同时进行，也可以按顺序执行。
4.根据权利要求1所述的一种社区结构网络的社交圈中的交友策略，其特征在于：步骤三，具体包括如下子步骤：
步骤3.1：在步骤2A.2、步骤2B.2、步骤2C、步骤2D.2输出的社区结构局部网络和社区结构全局网络中寻找接近中心度最高的节点，并与该节点建立关系，具体为：
3.1A：若用户的邻居数量超过设定的连接代价，则在社区结构局部网络和社区结构全局网络中，从用户的邻居节点中寻找接近中心度最低的节点，并与该节点解除关系；
3.1B：若用户的邻居数量小于或等于设定的连接代价，则用户继续寻找社区结构局部网络和社区结构全局网络中接近中心度最高的节点并与该节点建立关系；
其中，社区结构局部网络包括步骤2A.2生成的社区结构网络的非社区局部网络和步骤2B.2生成的社区结构网络的社区局部网络；社区结构全局网络包括步骤2C生成的社区结构网络的非社区全局网络以及步骤2D.2生成的社区结构网络的社区全局网络；
步骤3.2：重复步骤3.1直到达到步骤一获取的时间代价为止，用户停止寻找社区结构局部网络和社区结构全局网络中接近中心度最高的节点，返回该社区结构局部网络和社区结构全局网络；
步骤3.3：计算步骤2A.2、步骤2B.2、步骤2C、步骤2D.2输出的社区结构局部网络和社区结构全局网络中用户的接近中心度改变量、嵌入度改变量以及运行耗时。
CN201711420408.4A 2017-12-25 2017-12-25 一种社区结构网络的社交圈中的交友策略 Active CN108156035B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711420408.4A CN108156035B (zh) 2017-12-25 2017-12-25 一种社区结构网络的社交圈中的交友策略

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711420408.4A CN108156035B (zh) 2017-12-25 2017-12-25 一种社区结构网络的社交圈中的交友策略

Publications (2)

Publication Number Publication Date
CN108156035A CN108156035A (zh) 2018-06-12
CN108156035B true CN108156035B (zh) 2020-06-30

Family

ID=62465793

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711420408.4A Active CN108156035B (zh) 2017-12-25 2017-12-25 一种社区结构网络的社交圈中的交友策略

Country Status (1)

Country Link
CN (1) CN108156035B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102571954A (zh) * 2011-12-02 2012-07-11 北京航空航天大学 基于节点核心影响力的复杂网络聚类方法
CN106685745A (zh) * 2017-03-17 2017-05-17 北京邮电大学 一种网络拓扑构建方法及装置
CN106789338A (zh) * 2017-01-18 2017-05-31 北京航空航天大学 一种在动态大规模社交网络中发现关键人物的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102571954A (zh) * 2011-12-02 2012-07-11 北京航空航天大学 基于节点核心影响力的复杂网络聚类方法
CN106789338A (zh) * 2017-01-18 2017-05-31 北京航空航天大学 一种在动态大规模社交网络中发现关键人物的方法
CN106685745A (zh) * 2017-03-17 2017-05-17 北京邮电大学 一种网络拓扑构建方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Egonet tensor decomposition for community identification;Fatemeh Sheikholeslami 等;《2016 IEEE Global Conference on Signal and Information Processing (GlobalSIP)》;20170424;第341-345页 *
大规模社交网络中局部兴趣社区发现研究;尹红军;《中国博士学位论文全文数据库 信息科技辑（月刊 ）》;20141015;第I139-22页 *

Also Published As

Publication number Publication date
CN108156035A (zh) 2018-06-12

Similar Documents

Publication Publication Date Title
Li et al. Dynamic resource discovery based on preference and movement pattern similarity for large-scale social internet of things
Nitti et al. Network navigability in the social internet of things
Farris et al. Federated edge-assisted mobile clouds for service provisioning in heterogeneous IoT environments
Simsek et al. Decentralized search in networks using homophily and degree disparity
Zhu et al. Shape segmentation and applications in sensor networks
Ramaswamy et al. Connectivity based node clustering in decentralized peer-to-peer networks
CN108156035B (zh) 一种社区结构网络的社交圈中的交友策略
Malik et al. Centrality as a friendship selection heuristic in social Internet of Things
Bharathi et al. Model based controller design for a spherical tank
Zhu et al. Segmenting a sensor field: Algorithms and applications in network design
Shao et al. A low cost hierarchy-awareness extension of skip graph for world-wide range retrievals
Kwon et al. Study on Recommendation in Internet of Things Environment
Yang et al. A coalition formation approach for privacy and energy-aware split deep learning inference in edge camera network
Pushp et al. An efficient way to track peers in mobile P2P network
Rathod et al. Decentralized collaborative TTP free approach for privacy preservation in location based services.
Marin et al. Dynamic p2p indexing and search based on compact clustering
Jia et al. A multidimensional heuristic for social routing in peer-to-peer networks
Hussain et al. A multi-dimensional routing based approach for efficient communication inside partitioned social networks
Wu et al. Distributed indexing and data dissemination in large scale wireless sensor networks
Dai Pham et al. An Efficient Algorithm for Mining Maximal Co-location Pattern Using Instance-trees
Seitz et al. MPDG-mobile profile based distributed grouping
Toce et al. Hyperd: Analysis and performance evaluation of a distributed hypercube database
Memon et al. Scalable spatial information discovery over Distributed Hash Tables
Amagata et al. Efficient Multidimensional Top‐k Query Processing in Wireless Multihop Networks
Kacimi et al. Density-based clustering for similarity search in a p2p network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant