[發明專利]用于在線社交網絡數據挖掘模型數值機理有效性驗證方法

有效

• 申請號: 201811352786.8
• 申請日: 2018-11-14
• 公開（公告）號: CN109376195B
• 公開（公告）日: 2019-11-05
• 發明（設計）人: 劉小洋;何道兵
• 申請（專利權）人: 重慶理工大學
• 主分類號: G06F16/26
• 分類號: G06F16/26
• 代理公司: 重慶天成卓越專利代理事務所(普通合伙) 50240
• 代理人: 路寧

本發明提出了一種用于在線社交網絡數據挖掘模型數值機理有效性驗證方法，包括如下步驟：S1，獲取在線社交網絡數據，形成概率模型進行數據抽取，對于抽取后的網絡數據進行數據模擬，形成概率模型的數據趨勢，并發送到遠程終端；S2，對于在線社交網絡數據進行傳播模型提取，通過對不同在線社交網絡數據狀態的轉化規律的分析之后，設定相應數據提取的判斷閾值，從而預先判斷在線社交網絡數據的發展趨勢，并將該在線社交網絡數據發展趨勢進行遠程展示。

技術領域

本發明涉及大數據分析領域，尤其涉及一種用于在線社交網絡數據挖掘模型數值機理有效性驗證方法。

背景技術

隨著移動互聯網的發展、5G時代的來臨，在線社交網絡越來越流行，人們的日常工作和生活已經離不開這些社交網絡，隨之產生的大量信息也充斥著網絡，無論是謠言還是商品廣告信息等都會在網絡上蔓延，因而了解信息背后的傳播機理能夠幫助人們更好地管理和控制網絡上信息的傳播。

在線社交網絡上的信息傳播在諸多因素的影響下進行演化，既包括傳播速度和擴散范圍的演化也包括信息自身內容的演化。影響因素有很多，但歸結起來不外乎信息自身特征、傳播信息的網絡用戶的特征與行為、承載信息傳播的社交網絡的拓撲結構，以及信息傳播的宏觀環境。此外，社交媒體上信息傳播有時還受到社會媒體服務所提供的信息推送功能的影響，比如Facebook的News Feed、新浪微博的即時推、騰訊視頻的消息推薦等。這幾個方面是在線社交網絡中信息傳播的關鍵因素，它們共同決定了信息傳播與演化的行為與模式。

基于傳染病的多信息建模方法是從用戶的角度出發，認為用戶以一定概率傳播事件信息，傳染病模型是信息傳播領域公認比較成熟的模型，傳統模型有SI、SIR、 SIS，其中SIR模型是將人群分為易感者S狀態、感染者I狀態和治愈者R狀態，信息從感染者傳到易感者，易感者收到信息并成功轉發后，自身轉變為治愈者，完成個體狀態的轉換，直至系統達到一種穩定態。SIS和SIR模型產生了很多變體，如SIRS、SIDR和SAIR。但是這些模型均無法反映S狀態節點轉化為I狀態節點之前有一個潛伏期的事實，為此將潛伏狀態引入SIR模型，產生了SEIR模型。在此基礎上，為了刻畫信息傳播中廣泛存在的點到群的傳播模式，提出了e-SEIR模型。隨著研究工作的不斷深入，傳染病模型在許多實際應用領域得到了進一步的發展，例如，研究新產品在社交網絡中擴散的Bass-SIR模型，恢復時間是冪律分布的SIR生命動力學模型，基于情感交流的HIT-SCIR模型和具有兩個時滯和垂直轉移的SEIRS模型。

當模型建立之后其工作的效率高低始終無法進行有效的驗證，對于相應模型的穩定性無法預知其工作效率，這就亟需本領域技術人員解決相應的技術問題。

發明內容

本發明旨在至少解決現有技術中存在的技術問題，特別創新地提出了一種用于在線社交網絡數據挖掘模型數值機理有效性驗證方法。

為了實現本發明的上述目的，本發明提供了一種用于在線社交網絡數據挖掘模型數值機理有效性驗證方法，包括如下步驟：

S1，獲取在線社交網絡數據，形成概率模型進行數據抽取，對于抽取后的網絡數據進行數據模擬，形成概率模型的數據趨勢，并發送到遠程終端；

S2，對于在線社交網絡數據進行傳播模型提取，通過對不同在線社交網絡數據狀態的轉化規律的分析之后，設定相應數據提取的判斷閾值，從而預先判斷在線社交網絡數據的發展趨勢，并將該在線社交網絡數據發展趨勢進行遠程展示。

所述的用于在線社交網絡數據挖掘模型數值機理有效性驗證方法，優選的，所述S1包括：