[發明專利]多維度信息傳播網絡社區可視化方法、系統、裝置及介質

在審

• 申請號: 202111354271.3
• 申請日: 2021-11-16
• 公開（公告）號: CN114218723A
• 公開（公告）日: 2022-03-22
• 發明（設計）人: 王振宇;黃振華;吳俊賢
• 申請（專利權）人: 華南理工大學
• 主分類號: G06F30/18
• 分類號: G06F30/18;G06F30/25;G06Q50/00
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 鄭宏謀

本發明公開了一種多維度信息傳播網絡社區可視化方法、系統、裝置及介質，其中方法包括：對信息傳播網絡進行社區發現，以增大傳播網絡結構的模塊度，根據社區發現結果獲取節點所屬的社區結構；對社區進行劃分后，計算社區內的和社區間的節點之間的排斥力和吸引力，將節點模擬為粒子，根據排斥力和吸引力對粒子進行迭代移動，直到收斂；獲取每個節點的布局節點坐標，以及獲得信息傳播網絡的可視化結果。本發明通過充分利用社區結構，對社區結構進行劃分后，再計算排斥力和吸引力，有效克服現有方法在可視化布局上的坍塌等問題，能夠讓信息傳播的可視化能夠更好地展示和理解信息傳播過程。本發明可廣泛應用于信息傳播技術領域。

技術領域

本發明涉及信息傳播技術領域，尤其涉及一種多維度信息傳播網絡社區可視化方法、系統、裝置及介質。

背景技術

布局算法提供了一種直觀的方式來可視化和理解復雜網絡。復雜的網絡，例如社交網絡、合著網絡和蛋白質相互作用網絡，通常會顯示社區結構為了實現更好、更有效的復雜網絡可視化，探索了可視化中的社區結構，并將其應用于廣義的排斥和有吸引力的布局框架。

自適應加權吸引力和排斥力用于計算社區內部和社區之間的力量，與不使用特定社區檢測方法(例如，力導向布局算法)的可視化不同，通過將力導向算法和社區檢測算法結合起來，可提高圖形可視化的質量，現有的網絡可視化方法大多基于力導向算法并沒有充分利用社區結構，導致布局具有交織的節點/邊緣或“毛球”問題，尤其是當網絡的規模和復雜性增加時。

發明內容

為至少一定程度上解決現有技術中存在的技術問題之一，本發明的目的在于提供一種多維度信息傳播網絡社區可視化方法、系統、裝置及介質。

本發明所采用的技術方案是：

一種多維度信息傳播網絡社區可視化方法，包括以下步驟：

對信息傳播網絡進行社區發現，以增大傳播網絡結構的模塊度，根據社區發現結果獲取節點所屬的社區結構；

對社區進行劃分后，計算社區內的和社區間的節點之間的排斥力和吸引力，將節點模擬為粒子，根據排斥力和吸引力對粒子進行迭代移動，直到收斂；

獲取每個節點的布局節點坐標，以及獲得信息傳播網絡的可視化結果。

進一步，所述一種多維度信息傳播網絡社區可視化方法還包括以下步驟：

對用戶社會關系網絡進行可視化，利用網絡的相似程度構建信息傳播網絡和用戶社會關系網絡兩個網絡之間的關系，從信息傳播和用戶社會關系兩個維度對兩個網絡之間的關系進行分析。

進一步，所述社區結構包括用戶人群、用戶年齡和用戶男女比例。

進一步，所述對社區進行劃分后，計算社區內的和社區間的節點之間的排斥力和吸引力，將節點模擬為粒子，根據排斥力和吸引力對粒子進行迭代移動，直到收斂，包括：

根據社區結構中的所有用戶及用戶的信息建立新的節點式粒子，將用戶的個人信息和活動路徑分別映射為n+1粒子和n+2粒子；

對信息數量未達到預設閾值的用戶進行觀察處理，將此類用戶歸類為n型人群，對n型人群觀測第一預設時間，保留觀察獲得的信息數據；

對信息數量達到預設閾值的用戶的數據點擊序列，并訓練預測模型，在訓練預測模型后，獲取完整的用戶行為序列作為預測模型的輸入。

進一步，所述節點式粒子為將每個節點視為一個粒子，每兩個節點之間存在排斥力，處于同一個社區內的兩個節點存有吸引力，或者兩個具有聯系的節點存有吸引力。

進一步，所述排斥力的計算公式為：