[發(fā)明專利]面向社交網(wǎng)絡(luò)的信息流行度預(yù)測方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201810069728.8
• 申請日: 2018-01-24
• 公開（公告）號: CN108304867B
• 公開（公告）日: 2021-09-10
• 發(fā)明（設(shè)計）人: 肖云鵬;柳靚云;杜江;劉宴兵;張克毅;李茜曦;李曉娟;孫華超
• 申請（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/00
• 代理公司: 重慶市恒信知識產(chǎn)權(quán)代理有限公司 50102
• 代理人: 劉小紅

本發(fā)明請求保護一種面向社交網(wǎng)絡(luò)的信息流行度預(yù)測方法及系統(tǒng)，屬于社交網(wǎng)絡(luò)信息分析領(lǐng)域。本發(fā)明主要包括數(shù)據(jù)獲取、屬性提取、模型構(gòu)建、預(yù)測分析四個主要步驟。首先，結(jié)合社交網(wǎng)絡(luò)中用戶關(guān)系和節(jié)點行為數(shù)據(jù)提煉信息傳播網(wǎng)絡(luò)。其次，從個體行為維度和節(jié)點交互維度出發(fā)，提取影響傳播力度量的屬性，并給出相關(guān)定義。重新構(gòu)建雙重加權(quán)社交網(wǎng)絡(luò)，并基于改進的PageRank算法度量網(wǎng)絡(luò)中的節(jié)點傳播力。最后，以信息為中心，提取信息發(fā)布者的個體特征和信息發(fā)布一小時內(nèi)的轉(zhuǎn)發(fā)特征，利用LR分類器訓(xùn)練得到一種信息流行度預(yù)測模型，能夠有效預(yù)測信息流行程度，及時發(fā)現(xiàn)網(wǎng)絡(luò)群體事件并識別信息傳播網(wǎng)絡(luò)中的重要傳播節(jié)點。

技術(shù)領(lǐng)域

本發(fā)明屬于社交網(wǎng)絡(luò)分析領(lǐng)域，主要涉及社交網(wǎng)絡(luò)中信息傳播，具體針對信息流行度進行預(yù)測與分析。

背景技術(shù)

在當前社交網(wǎng)絡(luò)及Web 2.0普及的時代，社交網(wǎng)站如Twitter、新浪微博等已成為人們獲取信息和發(fā)表意見的重要平臺。社交網(wǎng)絡(luò)的信息共享性、實時性、互動性以及傳播形式多樣性使其在信息傳播方面具有強大的影響力，如“馬航MH370”、“美國總統(tǒng)選舉”等事件在微博上引起全民關(guān)注等。鑒于社交網(wǎng)絡(luò)信息傳播對人們生活、社會發(fā)展的影響，近年來在線社交網(wǎng)絡(luò)信息傳播分析與預(yù)測逐漸得到研究者的重視。

現(xiàn)有研究通常使用流行度來衡量信息在社交網(wǎng)絡(luò)中的宏觀傳播效果。信息流行度指在一段時間內(nèi)操作在社交網(wǎng)絡(luò)某條信息上的網(wǎng)絡(luò)行為的數(shù)量度量，如視頻的觀看量、微博的轉(zhuǎn)發(fā)量等。目前社交網(wǎng)絡(luò)信息流行度預(yù)測方法主要分為兩類。一類是基于傳染病的預(yù)測方法，該方法利用動力學(xué)演化方程組刻畫不同類型節(jié)點隨時間的狀態(tài)演化關(guān)系，側(cè)重于研究傳播過程中個體在幾個狀態(tài)之間的重新分配，關(guān)注信息的整體傳播情況。例如：Yang等人在《隱含網(wǎng)絡(luò)中信息擴散建模》(Modeling information diffusion in implicitnetworks)中基于SIS模型的基礎(chǔ)上提出了線性影響力模型，模型假設(shè)信息的傳播受各節(jié)點影響力限制，建立每個節(jié)點的影響函數(shù)，此函數(shù)用以量化該節(jié)點對后續(xù)被激活節(jié)點的影響力，某時間處于活躍狀態(tài)節(jié)點的影響力之和即為此時刻信息的流行度。另一類是基于分類或回歸的預(yù)測方法，從影響信息傳播的各個影響因素出發(fā)，構(gòu)建并選擇特征，從而訓(xùn)練基于分類或回歸的預(yù)測模型，對信息流行度進行預(yù)測。例如：Bakshy等人在《每個人都是一個有影響力的人：量化Twitter中的用戶影響力》(Everyone’s an influencer:Quantifyinginfluence on Twitter)中基于回歸樹模型進行信息流行度預(yù)測，發(fā)現(xiàn)平均被轉(zhuǎn)發(fā)數(shù)、最大被轉(zhuǎn)發(fā)數(shù)等特征與用戶博文轉(zhuǎn)發(fā)量呈現(xiàn)相關(guān)性，從而證明用戶影響力能夠影響信息的傳播。

但是社交網(wǎng)絡(luò)中個體之間的連接關(guān)系并不是隨機的，上述研究均忽略了節(jié)點之間的關(guān)系強弱差異，以及參與信息傳播的個體之間的差異，例如具有很多條強關(guān)系的節(jié)點或者活躍度高的節(jié)點都會產(chǎn)生較大的影響力，促進信息的傳播。如何從信息傳播的角度在社交網(wǎng)絡(luò)中發(fā)現(xiàn)高影響力節(jié)點，結(jié)合用戶交互和網(wǎng)絡(luò)結(jié)構(gòu)分析社交網(wǎng)絡(luò)中節(jié)點之間的差異性，是快速變化的網(wǎng)絡(luò)時代信息決策的一個關(guān)鍵問題。因此，以網(wǎng)絡(luò)節(jié)點影響力度量為切入點進行信息流行度預(yù)測建模具有一定的研究意義。

本發(fā)明所解決的問題：針對社交網(wǎng)絡(luò)中個體的差異性、用戶關(guān)系具有強弱性等問題，本發(fā)明提出了一種面向社交網(wǎng)絡(luò)的信息流行度預(yù)測方法。該方法結(jié)合信息發(fā)布者個體特征和早期信息傳播特征預(yù)測信息最終的流行度，主要改進在于量化信息傳播網(wǎng)絡(luò)中的節(jié)點影響力，本發(fā)明提到的節(jié)點影響力包括節(jié)點之間的影響力和節(jié)點自身的影響力，利用節(jié)點間的交互刻畫社交網(wǎng)絡(luò)中用戶關(guān)系的強弱，即節(jié)點之間的影響力；利用個體行為刻畫用戶的活躍度，即節(jié)點自身的影響力?？偟膩碚f，結(jié)合不同的節(jié)點影響力和網(wǎng)絡(luò)拓撲結(jié)構(gòu)提出一種節(jié)點傳播力度量方法，從信息源驅(qū)動和早期信息感染群體驅(qū)動兩個方面，更加準確地進行信息流行度的預(yù)測，為解決熱點發(fā)現(xiàn)滯后、網(wǎng)絡(luò)輿情監(jiān)測實時性難以保證等問題提供思路。

發(fā)明內(nèi)容

本發(fā)明旨在解決以上現(xiàn)有技術(shù)的問題。提出了一種能夠有效預(yù)測信息流行程度，及時發(fā)現(xiàn)網(wǎng)絡(luò)群體事件并識別信息傳播網(wǎng)絡(luò)中的重要傳播節(jié)點的面向社交網(wǎng)絡(luò)的信息流行度預(yù)測系統(tǒng)及方法。本發(fā)明的技術(shù)方案如下：