网络节点影响力预测模型确定方法、应用方法及相关装置

本发明涉及影响力预测，特别是涉及一种网络节点影响力预测模型确定方法、应用方法及相关装置。

背景技术：

1、网络中局部特征的变化可能会扩散到部分甚至整个网络，这些突发影响可能导致爆炸性的灾难发生，如交通堵塞、谣言传播、电网崩溃、疾病暴发等。例如，输电线路过载可能引发电网级联故障，导致大规模停电并造成巨额经济损失。如果能够提前识别网络中有影响的节点，则可以通过对这些关键节点的监控来实现故障预警，并通过调整这些节点的结构来实现网络优化。另一方面，人们也利用这种爆炸性的影响力进行营销和信息传播。为了减轻级联故障的影响或优化意见传播的影响，识别大规模网络中具有显著传播影响的关键节点至关重要。然而，准确识别这些具有强大传播影响的关键结构仍然具有挑战性。

2、识别有影响的节点需要精确评估单个节点的影响力以及其在所有节点中的影响力排名。目前，节点影响的评估方法主要有网络结构分析和动态仿真。网络结构分析方法通常使用全局度量、局部度量或半局部度量方法计算节点的结构中心性，根据节点的结构中心性对节点的影响进行排序。然而，这些方法可能会错过那些影响较大的节点，而这些节点又嵌入了难以捉摸的结构特征。虽然动态仿真方法可以精确地评估节点的影响，但由于传播模型的概率特性，在大规模网络中识别关键节点的计算时间是不可估量的。

技术实现思路

1、本发明的目的是提供一种网络节点影响力预测模型确定方法、应用方法及相关装置，可对网络节点影响力进行准确预测。

2、为实现上述目的，本发明提供了如下方案：

3、第一方面，本发明提供了一种网络节点影响力预测模型确定方法，所述网络节点影响力预测模型确定方法包括：

4、基于节点相对熵建立真实网络节点的相似性网络；所述节点相对熵为度量节点间的结构相似性的指标。

5、对所述相似性网络进行渗流攻击，建立代表性节点数据集合；所述渗流攻击用于基于节点间相似性寻找与最多节点相似的代表性节点；所述代表性节点数据集合包括：代表性节点的节点特征、代表性节点所在真实网络的网络拓扑结构和代表性节点对应的影响力期望。

6、将代表性节点的节点特征和代表性节点所在真实网络的网络拓扑结构输入预训练模型，得到预训练模型的输出；所述预训练模型为基于图嵌入神经网络模型与多层感知机回归模型构建的深度学习网络；所述预训练模型的输出为预测的代表性节点对应的影响力期望。

7、根据代表性节点对应的影响力期望、预训练模型的输出和确定的第一损失函数，确定第一损失值。

8、根据所述第一损失值对所述预训练模型的网络参数进行优化，得到网络节点影响力预测模型。

9、第二方面，本发明提供了一种网络节点影响力预测模型应用方法，所述网络节点影响力预测模型应用方法包括：

10、获取待预测节点。

11、根据指定随机扩散模型的节点影响力与节点指标的相关性，确定待预测节点的节点特征。

12、将所述待预测节点的节点特征和待预测节点所在真实网络的网络拓扑结构输入网络节点影响力预测模型，得到网络节点影响力预测模型的输出；所述网络节点影响力预测模型为基于权利要求1-6任一项所述的网络节点影响力预测模型确定方法训练得到的模型；所述网络节点影响力预测模型的输出为预测的待预测节点对应的影响力期望。

13、第三方面，本发明提供了一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述中任一项所述的网络节点影响力预测模型确定方法或所述的网络节点影响力预测模型应用方法。

14、第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的网络节点影响力预测模型确定方法或所述的网络节点影响力预测模型应用方法。

15、第五方面，本发明提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的的网络节点影响力预测模型确定方法或所述的网络节点影响力预测模型应用方法。

16、根据本发明提供的具体实施例，本发明公开了以下技术效果：

17、本发明提供了一种网络节点影响力预测模型确定方法、应用方法及相关装置，通过基于节点相对熵建立真实网络节点的相似性网络，并对所述相似性网络进行渗流攻击，建立代表性节点数据集合；所述代表性节点数据集合包括：代表性节点的节点特征、代表性节点所在真实网络的网络拓扑结构和代表性节点对应的影响力期望；从而通过建立的代表性节点数据集合对预训练模型的网络参数进行优化，即可得到网络节点影响力预测模型。本发明采用的主动学习过程仅需要少量的仿真，就可以在各种类型的网络(如社交网络、生物网络和基础设施网络)中产生出色的泛化能力，在不同网络上定量预测节点的影响力，解决了运用传统网络影响力分析手段难以实现对不同网络影响力的准确排序、定量估计以及仿真方法时间复杂度过高的问题。

技术特征：

1.一种网络节点影响力预测模型确定方法，其特征在于，所述网络节点影响力预测模型确定方法包括：

2.根据权利要求1所述的网络节点影响力预测模型确定方法，其特征在于，基于节点相对熵建立真实网络节点的相似性网络，具体包括：

3.根据权利要求1所述的网络节点影响力预测模型确定方法，其特征在于，对所述相似性网络进行渗流攻击，建立代表性节点数据集合，具体包括：

4.根据权利要求1所述的网络节点影响力预测模型确定方法，其特征在于，所述预训练模型的确定方法包括：

5.根据权利要求4所述的网络节点影响力预测模型确定方法，其特征在于，对深度学习网络进行初始化，得到初始化后的深度学习网络，具体包括：

6.根据权利要求4所述的网络节点影响力预测模型确定方法，其特征在于，所述建立预训练集合，具体包括：

7.一种网络节点影响力预测模型应用方法，其特征在于，所述网络节点影响力预测模型应用方法包括：

8.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-6中任一项所述的网络节点影响力预测模型确定方法或权利要求7所述的网络节点影响力预测模型应用方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的网络节点影响力预测模型确定方法或权利要求7所述的网络节点影响力预测模型应用方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的网络节点影响力预测模型确定方法或权利要求7所述的网络节点影响力预测模型应用方法。

技术总结本发明公开了一种网络节点影响力预测模型确定方法、应用方法及相关装置，涉及影响力预测领域，网络节点影响力预测模型确定方法包括：基于节点相对熵建立真实网络节点的相似性网络，并对所述相似性网络进行渗流攻击，建立代表性节点数据集合；所述代表性节点数据集合包括：代表性节点的节点特征、代表性节点所在真实网络的网络拓扑结构和代表性节点对应的影响力期望；从而通过建立的代表性节点数据集合对预训练模型的网络参数进行优化，即可得到网络节点影响力预测模型。本发明可对网络节点影响力进行准确预测。技术研发人员：李大庆,朱炳毓受保护的技术使用者：北京航空航天大学技术研发日：技术公布日：2024/11/14