专利交易市场

基于保度攻击的社交网络关键人物隐匿方法，包括：步骤S1，假设无向无权网络G，利用K‑core分解算法对网络中的每个节点分配一个核值，定义社交网络中核值最高的节点为关键人物；S2，预设定一种基于保度攻击的重连方案；S3，按照步骤S2所述重连方案选择链路，并且使用遗传算法执行重连操作；S4，评定遗传算法的隐匿效果，输出隐匿关键人物的最优策略；本发明利用保度攻击的方法，融合经典的进化算法，可以保证在不被黑客攻击所发现的情况下，有效的隐匿社交网络中关键人物所在的节点，提升网络的安全性。

本发明涉及一种基于目标k节点分解的社交网络关键人物隐匿方法和装置，其方法包括以下步骤：S1：假设无向无权网络G，利用k核分解算法对网络中的每个节点分配一个核值C(v,G)，定义社交网络中核值最高的节点为关键人物Vk。S2：对于每个节点，获取其层级权重信息M并针对目标k节点构建回溯树GBT得到候选边集H。S3：根据候选边集H选择具有最多受影响节点的边e进行修剪删除。S4：重复步骤S3直到目标k节点中的所有节点从k核子图中移除，也即达到关键人物隐匿的效果。本发明通过改进洋葱分解算法以及回溯树算法，构建回溯树来得到需要删除图中的最少连边集合，使得指定的目标节点从k核子图中分离，从而实现对社交网络中关键人物信息的隐匿。

本发明涉及舆情控制技术领域，公开了一种基于网络表示学习的社区舆论关键人物发现方法，包括：基于社交媒体数据构建社交网络关系图；将社交网络关系图输入社区结构与结构洞节点发现模型得到社区划分集和结构洞节点；将社交网络关系图、社区划分集输入蕴含社会影响力和社区结构的网络嵌入模型得到社区网络图中节点的社会影响力和节点的网络嵌入表示向量；基于结构洞节点、社会影响力和网络嵌入表示向量进行可视化分析，获取舆论关键人物。本发明利用基于网络表示学习技术将网络社区结构信息融入到舆论关键人物发掘中，提高舆论关键人物发掘的精度和时间效率。