[發明專利]一種基于人際傳播的Twitter社交信息傳播路徑生成方法

在審

• 申請號: 202310447574.2
• 申請日: 2023-04-24
• 公開（公告）號: CN116596691A
• 公開（公告）日: 2023-08-15
• 發明（設計）人: 吳霞;劉志偉;莫李思;趙青
• 申請（專利權）人: 電子科技大學
• 主分類號: G06Q50/00
• 分類號: G06Q50/00;G06N7/01;G06N3/042;G06F40/216;G06F40/284
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 王偉

本發明公開了一種基于人際傳播的Twitter社交信息傳播路徑生成方法，首先采集Twitter相關數據用于構建Twitter信息傳播的關注網絡，再通過構建社交網絡的人際傳播模式，對人際傳播模式中的特征進行屬性建模并計算傳播概率，最后根據傳播概率生成新的傳播路徑并進一步對傳播路徑進行更新。本發明的方法以社交網絡中信息傳播特點和馬萊茲克關于大眾傳播的系統模式為引導，解決了現有基于時間序列的信息傳播建模方法中對用戶屬性和信息屬性等因素考慮不足的問題，且依據傳播學教程和馬萊茲克關于大眾傳播的系統模式中有關人際傳播的特征進行了信息傳播的建模，能夠有效防止不相關特征的引入，相比于現有方法能更好地反映推文信息的累計傳播規模隨時間的變化情況。

技術領域

本發明屬于網絡空間大數據信息服務技術領域，具體涉及一種基于人際傳播的Twitter社交信息傳播路徑生成方法。

背景技術

隨著信息化時代下互聯網技術的飛速發展及計算機設備和智能手機等便攜式移動終端的普及，網絡在線社交已經成為了許多人日常生活不可或缺的重要組成部分。而社交網絡平臺則是人們進行網絡在線社交的重要工具。

目前，用戶體量較大的社交網絡平臺包括：微博(Weibo)、推特(Twitter)和臉書(FaceBook)等。其中，推特在全世界都非常流行，截至2020年的第三季度，推特的日活躍用戶量已經達到了1.87億，而其中所傳播的巨大信息流也為社交網絡中信息傳播規律的研究提供了數據支撐。推特官方為了對研究者們對社交網絡中的信息傳播研究提供便利，也提供了相應的數據采集接口，這為推特中的信息傳播路徑生成方法的研究提供了基礎。

德國學者馬萊茲克于1963年在《大眾傳播心理學》中所提出的“馬萊茲克關于大眾傳播過程的系統模式”綜合考慮了信息、媒介以及從個體到社會層面的多種因素對信息傳播過程的影響。因此，其對于信息傳播路徑生成方法的研究有著重要的指導意義。

社交網絡中的信息傳播路徑生成方法研究的是指定時刻信息的傳播路徑仿真模擬問題。目前，有關社交網絡中信息傳播路徑生成的相關研究主要通過構建傳播模型實現，有兩大類研究方向：基于時間序列的信息傳播建模和基于數據驅動的信息傳播建模。

基于時間序列的信息傳播建模主要有獨立級聯模型(IC模型)和SIS模型；獨立級聯模型(IC模型)傳播模型中的節點只有兩種狀態，激活態(A)和未激活態(I)。信息傳播的初始狀態僅有一部分節點處于激活態，而隨著時間的推移，處于激活態的節點會有一次機會去嘗試激活它的未激活鄰居。如果在某一次傳播過程結束后沒有新的節點被激活時整個傳播過程結束；SIS模型傳播模型中節點只有兩種狀態，易感態(I)和感染態(S)。SIS模型中考慮了節點從感染態恢復為易感態的可能，因此隨著時間的推移整個網絡中處于感染態的節點數并不會越來越多而是和易感態節點數處于一個相對平衡的狀態。該傳播模型主要用于模擬考慮了用戶從疾病中恢復但仍可能患病條件下疾病在人群中的傳播。并且在實際的傳播建模過程中SIS傳播模型需要約束整個網絡的拓撲結構不會隨時間變化。

基于數據驅動的信息傳播建模主要有嵌入級聯模型和HUCE模型；嵌入級聯模型的特點是通過將用戶投影到歐幾里得空間，隨后利用Sigmoid函數計算傳播概率，最后，應用期望最大化算法對傳播關系進行預測的方法；HUCE模型是一種基于表示學習的傳播模型，它通過結合用戶和傳播信息的特征及其交互作用來建模用戶的轉發行為。

上述提到的基于時間序列的信息傳播建模方法的主要缺陷在于在傳播建模過程中對用戶屬性和信息屬性等因素考慮的不足，而在現實的信息傳播過程中，例如用戶對不同主題信息的偏好程度以及信息內容的主題分布都是影響信息能否被當前用戶所接收的重要因素。基于數據驅動的信息傳播建模方法擁有從輸入數據中自動提取并構建相關特征的優勢，但這樣的機制也可能導致提取到過多的不相關特征進而產生過擬合問題。

發明內容