一种基于多任务强化学习的社区隐藏算法

摘要

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。