利索能及
我要发布
收藏
专利号: 2019105496063
申请人: 重庆邮电大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-05-14
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种社交网络的异常检测与优化方法,其特征在于,包括以下步骤:S1、根据社交网络构建图数据,获得图数据的邻接矩阵,采用重构算法对图数据进行强化去噪,得到重构社交网络;

S2、定义规则性水平来评估重构社交网络的规则性水平,计算网络链路的似然性;

S3、在重构的社交网络中,按升序对链路的似然性进行排序,并获得排名列表;

S4、从排名列表的第一项开始依次遍历排名列表,计算若移除当前项后社交网络的规则性水平,如果当前规则性水平有所提高,则移除该项对应的链路;

S5、输出经过步骤S4优化后的社交网络。

2.根据权利要求1所述的一种社交网络的异常检测与优化方法,其特征在于,步骤S1具体包括:S11、以社交网络中的用户为节点、用户之间的关系为边构建一个无向图作为图数据,并将图数据用邻接矩阵表示;

S12、构建低秩自表示网络模型,使用增广拉格朗日乘数方法得到最优表示矩阵和误差矩阵;

S13、通过最优的表示矩阵和基矩阵获得重构社交网络的链路存在可能性矩阵SM;

S14、将矩阵SM以条目符号分为正分量SM+和负分量SM-;

S15、若正分量SM+中的条目在邻接矩阵X中存在,则排除该条目,剩余条目中链路的似然性高于阈值的条目为缺失的链路;

S16、若负分量SM-中的条目与在邻接矩阵X中没有,即对应项为0,则该条目对应的链路为虚假链路。

3.根据权利要求2所述的一种社交网络的异常检测与优化方法,其特征在于,所述网络低秩自表示建模为:其中,E为误差项;X为社交网络的邻接矩阵邻接矩阵表示为X∈Rn×m,即邻接矩阵为一个m×n维的矩阵,邻接矩阵的每一列被视为一个局部结构,第i列的局部结构表示为:X:,i表示邻接矩阵第i列的局部结构;D:,k表示

局部结构X:,k的基矩阵,Zk,i是基矩阵D:,k的权重;Z为社交网络的表示矩阵,rank(·)表示矩阵的秩,λ为平衡参数,||·||2,1表示矩阵范数。

4.根据权利要求2所述的一种社交网络的异常检测与优化方法,其特征在于,通过优化的表示矩阵和基矩阵获得重构社交网络的链路存在可能性矩阵SM包括:SM=XZ*+(XZ*)T;

其中,X为基矩阵,Z*为通过优化的表示矩阵,上标T表示矩阵的转置矩阵。

5.根据权利要求1所述的一种社交网络的异常检测与优化方法,其特征在于,所述规则性水平表示为:其中,σr表示规则性水平,n为表示矩阵的维数,r为表示矩阵的秩,a为表示矩阵中的非零条目的数量。

6.根据权利要求1所述的一种社交网络的异常检测与优化方法,其特征在于,计算网络链路的似然性包括:网络链路的似然性通过其首末两端的节点的重构似然性来估计,表示为:Ui,j=RC(i)×RC(j);

其中,Ui,j表示节点i与节点j之间的链路的似然性;RC(k)表示网络节点k的重构似然性,Zk,i表示基矩阵D:,k的权重,|·|表示绝对值,n表示矩阵的维数。

7.一种社交网络的异常检测与优化系统,所述系统包括依次相连的社交网络获取模块、社交网络转化模块、邻接矩阵生成单元、基矩阵生成单元、社交网络重构模块、虚假链路判断模块以及重构网络调节模块;其特征在于:所述社交网络获取模块用户获取社交网络中用户的社交关系与用户信息;

所述社交网络转化模块用户将社交网络中用户的社交关系转化为图数据表示;

所述邻接矩阵生成单元用于将图数据转换为邻接矩阵;

所述基矩阵生成单元用户根据邻接矩阵生成基矩阵;

所述社交网络重构模块用户对图数据进行强化去噪,得到重构的社交网络;

所述虚假链路判断模块用于判断重构社交网络中的网络链路是否为虚假链路;

所述重构网络调节模块用于计算重构社交网络中链路的似然性和规则性量度,并基于链路的似然性和规则性量度删除网络链路中的虚假链路。

8.根据权利要求8所述的一种社交网络的异常检测与优化系统,其特征在于,所述虚假链路判断模块包括低序自表示网络模型子单元、增广拉格朗日乘子单元、条目符号判断子单元、虚假链路判决器;根据低序自表示网络模型子单元利用增广拉格朗日乘子单元求解出表示矩阵和误差矩阵;根据表示矩阵和基矩阵获得重构社交网络的链路得到存在可能性矩阵SM,在条目符号判断子单元中以条目符号为依据将链路存在可能性矩阵SM分为正分量+ - -SM 和负分量SM 并输入虚假链路判决器,在虚假链路判决器中,将负分量SM中的条目在邻接矩阵中进行搜索,若该条目在邻接矩阵中不存在,则该条目对应的链路为虚假链路。

9.根据权利要求8所述的一种社交网络的异常检测与优化系统,其特征在于,所述重构网络调节模块包括规则性量度计算器、链路似然性计算器、排序子单元和删除子单元,链路似然性计算器计算链路的似然性,排序器将链路的似然性升序排列得到排名列表;利用规则性量度计算器依次计算列表中的元素,若移除当前元素后重构网络的规则性量度上升,则利用删除子单元删除当前元素对应的链路。

10.一种社交网络的异常检测与优化计算机设备,其特征在于,包括存储器、处理器以及存储在存储器上并可以在处理器上运行的计算机程序,所述处理器执行的计算机程序实现权利要求1~6所述的任一一种所述的方法。