CN102999617B - 一种基于流体模型的微博传播分析方法 - Google Patents

Abstract

本发明公开了一种基于流体模型的微博传播分析方法，其步骤为：1）基于微博数据的社会网络分析：根据微博的用户数据样本建立相应的社会网络布局并进行统计分析2）基于LBM流体模型的动态信息传播：应用LBM流体模型来模拟微博传播的基本过程，并结合社会网络的性质，完善动态信息传播中的交互；3）用流体形式的可视化方法展示不同种类的事件、同一事件不同的观点的微博传播模拟，并加以分析探讨。应用本方法可以形象、生动的展示某一事件在微博网络中的传播情况，快速、逼真地对其信息传播进行预测分析，解决了现有模拟方法只注重于复杂模型公式的创立、结果展示不直观等问题，具有一定的实用价值。

Description

一种基于流体模型的微博传播分析方法

技术领域

本发明属于社会物理学领域，具体地说是一种基于流体模型的微博传播分析方法，其部分技术涉及到大规模网络图的布局算法，格子波尔兹曼（LBM）流体模型的演化算法，信息传播的机制以及计算机图形学等。

背景技术

微博向人们提供了一个广阔的信息共享的平台，人们可以在这个平台上随时随地的交流探讨不同话题。其中，最具代表性的有Twitter、Facebook、新浪微博，它们都吸引了大量的用户。作为一种新式社会网络，微博已成为近年来的研究热点与难点，包括文本数据的挖掘、社会网络的分析以及信息传播的研究。在信息传播的研究中，用户的行为与交互将极大程度上决定信息流动的趋势，但是这种用户行为与交互的分析异常复杂，因为在某一热点事件的微博传播过程中，往往有成千上万的用户参与，并且用户的行为与交互涉及到很多其他因素：用户的心理，微博内容、公众对用户的信任、还有一些虚假信息的干扰、网络水军的影响等。相关研究人员已经提出了几种模型来模拟与分析人们的交流行为，解释探讨动态信息传播的过程。但是其中涉及到的机制过于复杂，太抽象化、公式化，往往不能被人们很好的理解。

格子波尔兹曼（LBM）流体模型是目前流行于计算流体领域的物理模型，它的主要思想是用简单规则的微观粒子运动来反映宏观的流体变化，从微观粒子出发建立离散的速度模型，在满足质量、动量和能量守恒的条件下建立粒子分布函数的演化规则，然后对粒子分布函数进行统计，得到压力和流速等宏观变量。LBM方法还能够方便地处理复杂边界与障碍物的流体，也可以用来模拟多相流体。

社会物理学已经进入现代社会物理学的发展阶段，旨在从社会微观行为的无序与随机中揭示出社会宏观行为的识别特征，从实证科学角度用物理学规律研究人类社会。之前很多关于社会物理学的著作已经论述了社会现象和物理模型之间的内在联系，进行深入挖掘并实现对社会行为规律的认知、模拟与调控。人们已将物理模型应用于诸多领域，例如社会网络、经济学、舆论动力学、交通地理学等。

发明内容

本发明的目的在于克服微博传播模拟的现有方法中注重于数据挖掘、复杂模型公式的创立、结果展示不直观等问题，提供了一种基于LBM流体模型的微博传播分析方法，包括以下步骤：

1）基于微博数据的社会网络分析：

根据微博上的用户数据样本构建相应的社会网络并进行统计分析；根据社会网络的结构与微博传播的特点进行信息属性的提取。

2）基于LBM流体模型的动态信息传播：用LBM流体模型的基本演化公式模拟社会网络中网格内和网格间的信息交流过程；根据社会网络的性质，完善动态信息传播中的交互。

3）流体形式的可视化：用水波的扩散、涟漪、衍射等模拟微博信息的传播。

LBM的基本框架：

初级的LBM将空间划分为规则的均匀网格，网格里都充满着一定数量的液体粒子。这样每个节点有8个邻居节点。粒子发生一次迁移时，只可能运动到这些邻居节点上，即粒子的运动方向有9种(包括粒子的静止状态)。对应于这9种运动状态，为该节点记录9个浮点值，记为f_i，i＝0,…,8，这里称之为分布密度(packet distribution function value)。这些液体粒子在离散的时间步上沿着离散的方向运动到最近的网格中。

公式（1）称为碰撞步，构造碰撞步的原则在于保证质量和动量的局部守恒。任一时刻在某节点r上，必定具有确定的速度和密度，各个运动方向上都对应一个确定的分布密度。假设在r上，总是存在一个平衡的状态，这个平衡状态依赖于该节点的速度和密度。而碰撞过程就是一个使各个分布密度向平衡状态变化的过程，对应于该平衡状态的分布密度标记为f_i ^eq。于是在保证守恒条件的前提下，碰撞使得流体的动量重新分布，驱使流体向平衡状态运动：

$f_i(r,t^{*})=f_i(r,t)-\frac{1}{\mathrm{\τ}}\left(f_i(r,t)\right)-f_i^{\mathrm{eq}}(\mathrm{\ρ},\stackrel{\→}{u}))---\left(4\right)$

f_i(r+e_i,t+1)=f_i(r,t^*)（2）

其中，r表示一个格子节点，r+e_i表示沿e_i方向与r相邻的格子节点。公式（2）称为流动步，表示网格与邻居网格间的粒子交互。公式(1)中常量τ表示松弛因子，反应了碰撞过程趋于平衡状态的快慢，这也就决定了流体的粘性ν：

$v=\frac{2\mathrm{\τ}-1}{6}---\left(3\right)$

每个格子的宏观物理量，液体密度ρ和速度u，统计计算如下： $\mathrm{\ρ}=\underset{i}{\mathrm{\Σ}}{f}_i,\stackrel{\→}{u}=\frac{\underset{i}{\mathrm{\Σ}}{f}_i{e}_i}{\mathrm{\ρ}}---\left(4\right)$

用f_i ^eq表示均衡分布函数,由如下线性公式计算：

$f_i^{\mathrm{eq}}(\mathrm{\ρ},\stackrel{\→}{u})={\mathrm{\ω}}_i\mathrm{\ρ}(1+3(e_i\·\stackrel{\→}{u})+\frac{9}{2}{(e_i-\stackrel{\→}{u})}^2-\frac{3}{2}{\stackrel{\→}{u}}^2)---\left(5\right)$

其中当i＝0时，ω_i=4/9,当i＝1...4时，ω_i=1/9，当i＝5...8时，ω_i=1/36。

外力在液体的行为与交互中扮演着重要角色，可以将外力作为外部输入来控制液体的流动，这样流动步的公式更新如下：

$f_i(r+e_i,t+1)=f_i(r,t^{*})+\frac{2\mathrm{\τ}-1}{2\mathrm{\τ}}\mathrm{BF}\·e_i---\left(6\right)$

边界条件的处理通常有以下三种：

周期边界：边界格子的液体粒子向外流出的时候再次流入与流出方向相反的边界格子。例如，最右边的格子的液体粒子向右流动时看做流进最左边的格子。

反弹边界：边界格子的液体粒子向外流出时再次进入该格子节点，不过是沿着与原来相反的方向进入，一般遵循镜面反射。

流出边界：边界格子的液体粒子向外流出，不再进入其他格子，这样整体的密度会随着液体粒子的流出而不断降低。

本发明所述的基于微博数据的社会网络分析，其具体为：

（1）首先根据微博上的用户数据样本构建相应的社会网络并进行统计分析。先应用大规模网络图的快速分级算法得到基于微博数据的社会网络布局图，然后将该网络布局图进行网格划分，划分的格子定义为关系网格。这种关系网格和LBM网格的划分尺度可以不相同，方便我们针对不同规模的社会网络进行统计。当用LBM方法来模拟微博上的信息传播时，每个LBM网格都被添加一个驱动力的属性，用以区分网格在进行信息传递时在不同方向的传播强度。

对每一个关系网格r来说，里面所用用户节点的转发列表的集合标记为N_f(r)。离散方向向量分别记作为e_i。N(r+e_i)表示关系网格r沿方向e_i的邻居关系网格的用户节点集合。然后我们依次统计出网格r的转发列表集合在八个邻居关系网格的分布：

n_i=N(r+e_i)∩N_f(r)（7）

统计这八个分布数值的方差u，一旦方差u过大，超出某固定阈值u’，就找出数值最大的方向，该方向就为该关系网格r所包含的所有LBM网格要添加的驱动力方向，其大小正比于u。

（2）根据社会网络的结构与微博传播的特点进行信息属性的提取。不同的用户节点在社会网络中具有不同的传播影响力，传播影响力越大，对某一热点事件的信息传播影响越大，

本发明按照如下公式计算每个节点的影响力：

$I=\mathrm{\α}\·\frac{N_f}{N_{f\_\max }}+\mathrm{\β}\·\frac{N_g}{N_{g\_\max }}---\left(8\right)$

其中，α和β是权值并且满足0≤α≤1,0≤β≤1。对某个用户来说，N_f表示他的粉丝数，而N_g表示他的关注者数。N_{f_max}和N_{g_max}是统计出的所有用户的粉丝数与关注者数的最大值。按照一定比例选取排名靠前的用户作为明星用户。他们将在微博信息的传播中起到重要作用。

不同的事件具有不同的传播特点。为每个事件赋予两种属性：时效系数和内容关键系数。时效系数反映事件的传播时间长短，而内容关键度反映明星用户转发该微博的概率，内容关键系数越大，越能引起明星用户的兴趣。将事件划分成以下四类：

事件类型A：时效性强而内容关键系数弱的事件可以是一些不太关乎社会热点话题但是草根性十足的内容，比如笑话、占卜、星座时运等。这类事件传播的时间相对长远，大部分普通用户会转发。但是这类事件的转发不易形成爆发，因为大多数明星用户不会转发此类微博。

事件类型B：时效性弱而内容关键系数强的事件可以是一些带有地域性的社会现象的内容。这种微博传播时间相对较短，但是一旦经由明星用户的转发，能够迅速引起大众的注意，形成二级爆发甚至多级。

事件类型C：时效性强并且内容关键系数强的事件就是当下社会广为关注的事件评论等，比如房地产、医改、教育等。这类事件传播范围广，时间长，引起人们长时间的热烈讨论。

事件类型D：时效性弱并且内容关键系数弱的事件就是用户发布的关乎自身的事件，比如某用户发布关于自己近期的工作和生活的微博，大多只会限于自己好友间的简单传播。

本发明所述的基于LBM流体模型的动态信息传播，其具体为：

（1）用LBM流体模型的基本演化公式模拟社会网络中网格内和网格间的信息交流过程。每个LBM格子里充满着信息粒子而非原先的液体粒子。所以变量ρ表示每个网格所有用户所具有的信息容量，即宏观的信息密度。同样，f_i表示信息粒子的分布密度函数，u表示信息传播的宏观方向。碰撞步表示当该网格的信息向周边网格传播时，首先要经过网格内部的讨论与传递，这样信息的分布会更均衡，f_i ^eq表示绝对均衡后的结果。

液体粘度系数v在这里可以反映社会网络的信任等级，信任等级越大，内部讨论和传递的时间越短，信息粒子的分布越均衡。在演化开始时，所有网格的初始信息密度都被设为ρ₀。所有网格的传播速度都被设为u₀。

（2）根据社会网络的性质，完善动态信息传播中的交互。基本的用户交流行为如上所述。考虑到信息传播中的一些特性，本发明做了相关改进。当某个网格中的用户发布了有关某个事件的微博时，那么该网格的信息密度将被增大到ρ₀+ρ’。如果一个网格受到该事件的影响时，其密度会大于ρ₀。当这个网格再次与其他网格进行交互时，添加在该网格上的驱动力会影响它的信息传播情况，沿着该驱动力方向的传播量要相对来说大一些。外部交流步的计算公式由（4）变成（6）。

如果一个网格里有明星用户的存在，那么当这个网格收到事件的影响时，它的信息密度会按照概率C加大，C是该事件的内容关键度。每有一个网格像这样被激活时，该事件的时效系数T会增加t’。一旦该事件的传播时长超过时效系数，所有受到事件影响的格子密度会发生衰减，衰减公式如下：

ρ′=ρ₀+(ρ-ρ₀)×β(9)

其中β是衰减系数。整个演化算法流程如图3所示。

因为本发明采用的数据样本规模不够大，可以选用周期边界模拟真实的大规模的社会网络。对于一些有争议性的话题，往往出现两种相对立的观点。为了模拟这种现象，假设关于某一热点话题存在两种观点A和B，分别从网格m和n发出。通过跟踪这两个网格的密度扩散，可以得到每个网格这两种观点的密度分量ρ_A和ρ_B。设定一个差异阈值Φ，如果某个格子满足ρ_A=ρ_B=0，那么这个格子均不受两种观点的影响；如果|ρ_A–ρ_B|<=Φ，说明当前格子的用户保持中立立场，否则哪个观点的密度分量大，就表示用户支持这个观点。对明星用户来说，大部分会很明确的表达自己的立场，不会改变，所以初始设定时，哪种观点的内容关键系数大，就有更多的明星用户支持这种观点，一旦其所在格子受到这种观点的影响，就增大该格子密度。同时跟踪这个格子流向其他格子的分量。

本发明所述的流体形式的可视化，其具体为：

以社会网络的布局为背景，为了避免连线的干扰，不再显示线的分布，只用绿色显示点的分布；在单一事件的微博传播中，根据网格信息密度设置网格的颜色，当该网格的信息密度大于初始密度时，设置为红色，并且信息密度越大，颜色越红；针对某一事件的两观点交锋模拟过程中，分别用红色、蓝色表示不同的观点的信息量分布，紫色表示中立立场的网格。

本发明的有益效果：

现有的微博事件传播的预测模拟方法主要还偏重于数据挖掘、数值模拟，所建立的模型和相关公式过于复杂抽象，不便于人们的理解。而本发明充分借鉴了现有物理模型的原理，并考虑了微博传播的重要特性，建立了微观粒子互动的微博传播模型，并以新颖的流体形式形象展示信息的传播过程。

本发明在进行微博传播模拟时还充分采用了关系网格与LBM网格划分尺度的层次化和自适应的思想，方便进行统计分析，既保证了计算的精度，又提高了计算效率。从而快速计算出不同情况下的微博传播过程。

总之，应用本发明可以快速有效地预测模拟微博的动态传播过程。在用户交互的方便性、计算的快捷性和预测结果的逼真性上，本发明的方法都有显著提高。

附图说明

图1为LBM的D2Q9框架图；

图2为关系网格的划分示意图；

图3为本发明的算法流程示意图；

图4为不同种类事件的信息传播的模拟图；

图5为争议性话题的对立观点交锋效果图；

图6为多事件信息并发传播的简化效果图。

具体实施方式

本发明涉及的基于流体模型的微博传播分析方法，效果展示说明如下：

图4中，T和C分别表示某一话题的时效系数和内容关键系数，P(x,y)表示信息发布的格子位置，S表示演化的步数。其中(a)(b)表示同一事件在不同演化步数的情况。从图中看以看到形成了很多涟漪，正是因为该事件的内容引起了很多明星用户的兴趣，这些明星用户的转发带动了周围很多用户的转发，使得此次事件形成多级爆发，对应上述中事件类型A。而图(c)中的事件对应D类型，传播时间短，影响范围有限。(d)(e)对应同一事件信息的传播情况，它们属于B类型事件，内容关键系数高但是传播事件较短，比较(d)(e)可以看出，（d）中事件尚未到达明星用户之前就已经衰减，还未形成多级爆发，效果和(c)类似，但是在(e)中，一旦事件信息的发布初始位置距离明星用户较近，容易引起他们的注意从而形成类似于(a)(b)的效果。最后（f）展示的事件类型为C，转发事件较长，传播范围较大，但是限于内容的草根性，无法形成大规模的转发热潮。

对某一争议性事件，存在两种相异的观点，则有四种属性的格子，无色代表不受影响，蓝色和红色分表代表支持一种观点，紫色代表中立。见图5(a)，将差异阈值设为0，即不存在中立地区，由于观点A的内容关键系数高，使得更多明星用户支持A，所以红色区域较多。（b）是(a)的局部特写，可以看到区域I处，存在一个明星用户支持观点B，使得周围的用户也支持B。在区域II处，蓝色的区域向外形成水花，是由于在该方向的传播力度更大。而（c）中的差异阈值设为10^-6，使得图中存在紫色的中立地带。实际情况下，很多话题事件会在同一社会网络中传播，由于他们之间的影响和干扰，使得用户间的交互行为异常复杂，为此我们简单做了一个效果，忽略他们之间的作用，见图6.

以上列举的仅是本发明的具体实施例。显然，本发明不限于以上实施例，还可以有许多变形。本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形，均应认为是本发明的保护范围。

Claims (1)

1.一种基于流体模型的微博传播分析方法，其特征在于包括以下步骤：

a)基于微博数据的社会网络分析，具体包括：

ⅰ)根据微博上的用户数据样本构建社会网络图

利用大规模网络图的快速分级布局算法构造该社会网络的布局；根据布局，进行统计分析：为每个网格添加驱动力属性和障碍物属性；具体为：

先应用大规模网络图的快速分级算法得到基于微博数据的社会网络布局图，然后将该网络布局图进行网格划分，划分的格子定义为关系网格；当用LBM方法来模拟微博上的信息传播时，每个LBM网格都被添加一个驱动力的属性，用以区分网格在进行信息传递时在不同方向的传播强度；

对每一个关系网格r来说，里面所有用户节点的转发列表的集合标记为N_f(r)；离散方向向量分别记作为e_i；N(r+e_i)表示关系网格r沿方向e_i的邻居关系网格的用户节点集合；然后依次统计出网格r的转发列表集合在八个邻居关系网格的分布：

n_i＝N(r+e_i)∩N_f(r) (7)

统计这八个分布数值的方差u，一旦方差u过大，超出某固定阈值u’，就找出数值最大的方向，该方向就为该关系网格r所包含的所有LBM网格要添加的驱动力方向，其大小正比于u；

ii)信息属性的提取

根据用户节点在社会网络中的重要性将节点划分为明星用户节点和普通用户节点；具体为：

根据社会网络的结构与微博传播的特点进行信息属性的提取；按照如下公式计算每个节点的影响力：

$I=\mathrm{\&alpha;}\&CenterDot;\frac{N_f}{N_{f\_max}}+\mathrm{\&beta;}\&CenterDot;\frac{N_g}{N_{g\_max}}---\left(8\right)$

其中，α和β是权值并且满足0≤α≤1,0≤β≤1；对某个用户来说，N_f表示他的粉丝数，而N_g表示他的关注者数；N_{f_max}和N_{g_max}是统计出的所有用户的粉丝数与关注者数的最大值；按照一定比例选取排名靠前的用户作为明星用户；

基于微博事件的传播特性，抽象出微博事件的两个特征即时效系数和内容关键系数；具体为：

时效系数反映事件的传播时间长短，而内容关键度反映明星用户转发该微博的概率，内容关键系数越大，越能引起明星用户的兴趣；将事件划分成以下四类：

事件类型A：时效性强而内容关键系数弱的事件；

事件类型B：时效性弱而内容关键系数强的事件；

事件类型C：时效性强并且内容关键系数强的事件；

事件类型D：时效性弱并且内容关键系数弱的事件；

b)基于格子波尔兹曼流体模型的动态信息传播，具体包括：

ⅰ)基于格子波尔兹曼流体模型，将碰撞步与流动步映射为社会网络中网格内和网格间的信息交流过程；

ii)根据社会网络的性质，完善动态信息传播中的交互：

根据网格的驱动力属性以及明星用户节点的影响来完善信息传播中的方向性、爆发性；具体为：

用LBM流体模型的基本演化公式(1)-(6)模拟社会网络中网格内和网格间的信息交流过程；

$f_i(r,t^{*})=f_i(r,t)-\frac{1}{\mathrm{\&tau;}}\left(f_i\right(r,t\left)\right)-f_i^{eq}\left(\mathrm{\&rho;},\stackrel{\&RightArrow;}{u}\right))---\left(1\right)$

公式(1)中常量τ表示松弛因子，反应碰撞过程趋于平衡状态的快慢；

f_i(r+e_i,t+1)＝f_i(r,t^*) (2)

流体的粘性ν：

$v=\frac{2\mathrm{\&tau;}-1}{6}---\left(3\right)$

每个格子的宏观物理量，液体密度ρ和速度u，统计计算如下：

$\begin{array}{cc}\mathrm{\&rho;}=\underset{i}{\&Sigma;}{f}_i& \stackrel{\&RightArrow;}{u}=\frac{\underset{i}{\&Sigma;}{f}_i{e}_i}{\mathrm{\&rho;}}\end{array}---\left(4\right)$

用f_i ^eq表示均衡分布函数,由如下线性公式计算：

$f_i^{eq}(\mathrm{\&rho;},\stackrel{\&RightArrow;}{u})={\mathrm{\&omega;}}_i\mathrm{\&rho;}(1+3(e_i\&CenterDot;\stackrel{\&RightArrow;}{u})+\frac{9}{2}{\left(e_i\&CenterDot;\stackrel{\&RightArrow;}{u}\right)}^2-\frac{3}{2}{\stackrel{\&RightArrow;}{u}}^2)---\left(5\right)$

其中当i＝0时，ω_i＝4/9,当i＝1...4时，ω_i＝1/9，当i＝5...8时，ω_i＝1/36；

外力BF在液体的行为与交互中扮演着重要角色，将外力作为外部输入来控制液体的流动，这样流动步的公式更新如下：

$f_i(r+e_i,t+1)=f_i(r,t^{*})+\frac{2\mathrm{\&tau;}-1}{2\mathrm{\&tau;}}BF\&CenterDot;e_i---\left(6\right)$

每个LBM格子里充满着信息粒子而非原先的液体粒子；所以变量ρ表示每个网格所有用户所具有的信息容量，即宏观的信息密度；同样，f_i表示信息粒子的分布密度函数，u表示信息传播的宏观方向；碰撞步表示当该网格的信息向周边网格传播时，首先要经过网格内部的讨论与传递，这样信息的分布会更均衡，f_i ^eq表示绝对均衡后的结果；流动步表示网格与邻居网格间的粒子交互,其中r表示一个格子节点，r+e_i表示沿e_i方向与r相邻的格子节点；

液体粘度系数v在这里可以反映社会网络的信任等级，信任等级越大，内部讨论和传递的时间越短，信息粒子的分布越均衡；在演化开始时，所有网格的初始信息密度都被设为ρ₀；所有网格的传播速度都被设为u₀；

当某个网格中的用户发布了有关某个事件的微博时，那么该网格的信息密度将被增大到ρ₀+ρ’；

如果一个网格里有明星用户的存在，那么当这个网格收到事件的影响时，它的信息密度会按照概率C加大，C是该事件的内容关键度；每有一个网格像这样被激活时，该事件的时效系数T会增加t’；一旦该事件的传播时长超过时效系数，所有受到事件影响的格子密度会发生衰减，衰减公式如下：

ρ′＝ρ₀+(ρ-ρ₀)×β (9)

其中β是衰减系数；

c)流体形式的可视化，具体包括：

以社会网络的布局为背景，用绿色显示点的分布，不再显示线的分布；单一事件中根据信息量设置网格的颜色，信息量越大，颜色越红；针对两观点交锋事件，分别用红色、蓝色表示不同的观点的信息量分布。