本发明是一种基于多任务强化学习的社区隐藏算法,属于社交网络分析隐私保护以及数据挖掘领域。算法包括:步骤1:给定G=(V,E)表示网络拓扑结构,V表示网络中的节点,节点个数为|V|,E表示网络中的连边,边的个数为|E|;步骤2:将带有节点属性的网络通过网络表示模块表示成低维的特征向量,其中,表示网络的邻接矩阵,示节点的属性特征;步骤3:基于网络表示,通过Q函数学习模块,得出最优的加点方案;步骤4:根据最优的加点方案,迭代直至整个算法收敛或达到给定的迭代阈值。算法从加点及其相应边的角度出发,即伪造用户及其关系,最大程度降低了对用户的影响,将社区隐藏问题转换为网络增长问题,并通过强化学习,构建网络增长模型。
声明:
“基于多任务强化学习的社区隐藏算法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)