[發(fā)明專利]一種博客信息傳播中識別關(guān)鍵博客集的方法

有效

• 申請?zhí)枺?/td>: 201110239145.3
• 申請日: 2011-08-19
• 公開（公告）號: CN102262681A
• 公開（公告）日: 2011-11-30
• 發(fā)明（設(shè)計）人: 顧慶;張堯;湯九斌;陳道蓄
• 申請（專利權(quán)）人: 南京大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 江蘇圣典律師事務(wù)所 32237
• 代理人: 賀翔

技術(shù)領(lǐng)域

本發(fā)明涉及博客信息傳播中關(guān)鍵博客節(jié)點集合的快速識別問題，特別針對互聯(lián)網(wǎng)時代博客網(wǎng)站(尤其是微博)越來越普及，已經(jīng)成為新聞和評論等信息傳播的主流平臺之一，需要有效監(jiān)督以幫助互聯(lián)網(wǎng)上信息的鑒別和控制。

背景技術(shù)

博客(Weblog或blog)是以互聯(lián)網(wǎng)為載體、同時由個人管理的信息共享平臺。一個博客是一組包含文字、鏈接、圖像等的網(wǎng)頁集合，由博主(即注冊在博客網(wǎng)站的用戶)個人管理，不定期粘貼新文章(Posts)供人們?yōu)g覽或轉(zhuǎn)載。隨著大量博客網(wǎng)站(如國外著名的Twitter，國內(nèi)的新浪微博等)的涌現(xiàn)，博客已成為人們?nèi)粘＋@取信息的主流平臺之一。微博(Micro-Blog)的出現(xiàn)更降低了博客對用戶技術(shù)和知識背景的要求，使得越來越多的人們主動加入到博客信息平臺，共享新聞和自己的見解。互聯(lián)網(wǎng)上各種信息真假莫辯，這要求對博客信息傳播做適當(dāng)?shù)谋O(jiān)督和引導(dǎo)；由于博客數(shù)量龐大且更新迅速，不可能對每一個博客隨時進行跟蹤，這就增加了監(jiān)督的難度。

解決信息傳播領(lǐng)域影響最大化問題，需要給定信息傳播的網(wǎng)絡(luò)圖，設(shè)定信息傳播模型，以尋找影響力最大的關(guān)鍵節(jié)點集合：集合中的節(jié)點數(shù)量給定，且節(jié)點上的信息可以傳播到圖中最多的節(jié)點上。目前解決影響最大化問題的主流技術(shù)有兩類：其一是啟發(fā)式方法；其二是隨機模擬方法。啟發(fā)式方法根據(jù)節(jié)點的拓?fù)涮卣鳎ǘ葦?shù)和到其他節(jié)點的平均最短距離等，選擇度數(shù)大或者平均最短距離小的節(jié)點作為影響力大的節(jié)點。啟發(fā)式方法的優(yōu)點是執(zhí)行性能較高；缺點是所識別的節(jié)點準(zhǔn)確率低，即實際不能達(dá)到最大的影響力，而且所適用的傳播模型過于簡單，與實際網(wǎng)絡(luò)中的信息傳播方式不相符合。隨機模擬方法基于設(shè)定的信息傳播模型，運用蒙特卡洛隨機模擬，在模擬足夠多次(如10000次以上)的基礎(chǔ)上確定節(jié)點或節(jié)點集合所能夠影響的范圍，再基于貪婪方法選擇邊際增益最高(即額外影響的節(jié)點數(shù)量最多)的節(jié)點作為關(guān)鍵節(jié)點。模擬方法的優(yōu)點是可以適用于不同的信息傳播模型，且識別的關(guān)鍵節(jié)點集準(zhǔn)確率較高；缺點是執(zhí)行性能過低，適用于相對靜態(tài)的信息傳播網(wǎng)絡(luò)。博客信息傳播網(wǎng)絡(luò)信息量大，更新迅速，信息傳播形式多樣，現(xiàn)有方法尚不能滿足博客信息傳播的關(guān)鍵節(jié)點集識別要求。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是提供一種可以快速識別博客信息傳播中關(guān)鍵博客節(jié)點集合的方法，該方法能夠以較高的執(zhí)行性能更準(zhǔn)確的識別關(guān)鍵節(jié)點集，適于博客信息平臺數(shù)據(jù)量大更新快的特點，計算簡單，具有擴展性和適應(yīng)性，可以有效輔助博客信息平臺的監(jiān)督。

為實現(xiàn)上述目的，本發(fā)明采用如下的步驟：

1)以博客為單位收集和確定博主間的關(guān)聯(lián)；

2)以博客為節(jié)點構(gòu)建博客網(wǎng)絡(luò)圖，圖的邊為博客間的關(guān)聯(lián)，對應(yīng)博客間的鏈接關(guān)系或者博主之間的關(guān)注關(guān)系；

3)根據(jù)信息傳播模型確定博客網(wǎng)絡(luò)圖中博客間的關(guān)聯(lián)的權(quán)重；

4)基于博客網(wǎng)絡(luò)圖和關(guān)聯(lián)權(quán)重的設(shè)置計算每個博客對其他博客信息傳播影響力的期望值；

5)根據(jù)博客間信息傳播影響力的期望值，識別博客網(wǎng)絡(luò)圖中信息傳播影響力最大的關(guān)鍵節(jié)點集合，即關(guān)鍵博客集。

上述步驟1)中的關(guān)聯(lián)包括關(guān)注關(guān)系以及博客中文章間的鏈接關(guān)系；而收集和確定博客間的關(guān)聯(lián)的過程為：首先從博客網(wǎng)站獲取博客數(shù)據(jù)，為每一個博客(博主)賦予唯一標(biāo)識，如B_i。然后獲取博主的好友列表或關(guān)注列表；好友列表確定博主間雙向的好友關(guān)系；關(guān)注列表確定博主間單向的關(guān)注關(guān)系；好友關(guān)系可以表示為兩個互為反向的關(guān)注關(guān)系；如果博主B_i關(guān)注博主B_j，則兩者之間的關(guān)注關(guān)系標(biāo)記為<B_j，B_i，f>。接下來獲取博客B_i在t日內(nèi)粘貼的文章，參數(shù)t可設(shè)為20。對博客B_i中的每一篇文章P_ix，如果P_ix鏈接(引用)了博客B_j中的文章B_jy，則認(rèn)為博客B_i與博客B_j之間存在鏈接關(guān)系，標(biāo)記為<B_j，B_i，Δt>，其中Δt表示文章B_ix粘貼日期與當(dāng)前日期的差值。如果博客B_i多次引用博客B_j中文章，則Δt為其中的最小值。