CN103200073B - 一种信息处理方法和装置 - Google Patents
一种信息处理方法和装置 Download PDFInfo
- Publication number
- CN103200073B CN103200073B CN201210001116.8A CN201210001116A CN103200073B CN 103200073 B CN103200073 B CN 103200073B CN 201210001116 A CN201210001116 A CN 201210001116A CN 103200073 B CN103200073 B CN 103200073B
- Authority
- CN
- China
- Prior art keywords
- information
- propagation characteristic
- propagation
- friend
- coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的实施例提供了一种信息处理方法和装置,可通过预测的信息传播特征预测、控制信息的传播。该方法包括:接收信息;根据再传播特征处理所述信息,所述再传播特征根据历史信息传播特征确定。该装置包括:接收模块,用于接收信息;再传播特征获取模块,用于根据历史信息传播特征确定再传播特征;传播模块,用于根据再传播特征表对接收单元接收的信息进行处理。根据本发明,使得原本不可预知的信息(博文)传播,在信息发出前可以预估。从而可以更加合理的规划和控制信息传播,使之更加符合预期。
Description
技术领域
本发明涉及一种信息技术,尤其涉及一种信息处理方法和装置。
背景技术
互联网因其即时性强、互动性好成为人们日常获取信息的重要途径之一,并受到政府、金融、企业、情报等各领域关注。由于网络中信息的传播不仅影响人们的日常生活,而且会影响政府行为,因此,对信息的传播加以控制和引导有着重要的意义。
微博的出现为信息传播提供了另一应用前景。微博用户呈现非常广阔的兴趣,用户关注的焦点随事件的发生而迁移;另外,由于微博的内容、博主的影响力(可用粉丝量的大小来衡量)、转发量不同,其被关注程度有很大差异,如,某用户的粉丝量越大,其博文被关注程度越高;博文转发量越大,其被关注程度越高。
互联网中信息传播有多种方式。例如社区内信息的传播过程是,社区内的信息(以微博的博文、博客的博文、BBS的发帖等为具体载体)发出后,传播到更多用户,进而传播到更多现实中的人和组织的过程。社区内的信息传播,一般是信息发布后,首先传播到第一层传播者的直接好友、或粉丝,这些第一层传播者的直接好友、或粉丝可能对该信息进行转发和评论;转发行为会造成此信息被各层传播者的直接好友或粉丝看到,并有可能就该信息而言引起再次转发和评论。
另外,不同的信息对人们的影响也不尽相同,因此,预测、控制和引导、优化信息的传播具有十分重大意义。
发明内容
本发明的实施例提供了一种信息处理方法和装置,可使用已知的信息传播特征来预测和控制信息的传播。
本发明的实施例提供了一种信息处理方法,包括:接收信息;根据再传播特征传播所述信息,所述再传播特征根据历史信息传播特征确定。
本发明的实施例还提供了一种信息处理装置,包括:接收模块,用于接收信息;再传播特征获取模块,用于根据历史信息传播特征确定再传播特征;传播模块,用于根据再传播特征表对接收单元接收的信息进行传播。
根据本发明,使得原本不可预知的信息(博文)传播,在信息发出前可以预估。从而可以更加合理的规划和控制信息传播,使之更加符合预期。本发明如果应用在企业微博的社区营销策划,将取得更好的宣传效果。如果应用在社会信息的传播预估,可以预估社会扩散效果,为信息的合理利用提供了一种有效途径。
附图说明
图1示出了本发明实施例的信息传播方法;
图2示出了本发明实施例的获得经验转发层数、信息转发系数的方法;
图3示出了本发明实施例的获取用户传播特征的方法;
图4示出了本发明实施例的转发博文的步骤;
图5示出了本发明实施例的信息传播装置。
具体实施方式
为了便于本领域一般技术人员理解和实现本发明,现结合附图描绘本发明的实施例。
实施例一
本实施例提供了一种信息处理方法,该处理方法可获得信息的传播路径,并根据该传播路径确定该信息的信息覆盖范围及传播信息等。
每个信息都有一定的传播路径。传播路径是传播过程的图示化表示。如果以最初传播的信息为起点,以后续转发信息为节点,以直接转发关系为连线,就会描绘出此信息在用户中传播的过程,可形象的称之为传播路径。信息的传播,通常因为传播者的影响力大小,和信息内容的吸引程度不同,而产生不同的传播路径特征。
对于每条信息,都有一定的信息覆盖范围。所述信息覆盖范围是指信息被社区中用户看到的范围。信息传播过程中,参与转发和评论的用户,是明显被信息覆盖到的,而有些传播者和转发者的好友或粉丝,虽然没有做出转发或评论的行为,但实际上也知晓了信息内容。上述社区可以指网络社区,即由某个网络内容服务商提供和运营,其用户通过此网络上的功能,进行相互的交流、分享、讨论、交友等互动的在线网络服务。如国外的Facebook,Twitter,国内的新浪微博、开心网、校内网等。该网络的用户可以有各种行为,即社区用户在社区内的各种操作,这些操作行为会在社区内生成相应的“痕迹”和记录。有些行为完全是自主地,和别人没有任何关系,如个人的登录、传播信息等。有些行为是和其他人的某种互动,如加某人为关注或好友、转发其他人已经传播的信息、对别人传播的信息做出评论等。
如图1所示,所述信息处理方法包括:
步骤11、接收信息。所述信息包括博文,博文包括微博文和一般博文。
步骤12、根据再传播特征处理信息,所述再传播特征根据历史信息传播特征确定,所述再传播特征包括信息传播特征和用户传播特征。根据再传播特征处理所述信息具体为下述任一步骤或下述步骤的任意组合:根据再传播特征对所述信息进行传播、根据再传播特征对所述信息传播过程推演、根据再传播特征对所述信息传播效果评估。下而对各个处理过程进行详细描述。
下面以博文为例描述本发明的信息传播方法。相应地,名词的“信息”用“博文”替代。
博文传播特征包括经验转发层数、分类信息转发系数。以博文为例时,分类信息转发系数也称为分类博文转发系数。如图2所示,获得经验转发层数、分类博文转发系数的方法如下:
步骤201、读取所有博文转发和/或评论记录。
步骤202、按博文内容进行分类。比如将博文分为以下类别:社会新闻,科技资讯,娱乐资讯,生活休闲等。
步骤203、统计各类博文的博文传播次数和每次博文传播受众人数。
步骤204、计算各类博文转发率。可通过下述公式计算博文转发率:
转发率=博文传播次数/博文传播受众人数。
步骤205、计算各类博文转发系数。
对社区内各类博文以往(尤其是近期)的传播表现作分类统计,可获得各类博文的经验转发层数、转发系数。
经验转发层数特指某一类博文转发层数,用于统计分类博文转发层次数分布,可通过统计绝大部分(如99.5%)的此类博文转发层数获得。
分类博文的转发系数可由下述公式求得:
分类博文转发系数=分类博文转发率/所有博文平均转发率。
用户传播特征具体包括用户博文转发率、好友转发率和用户好友转发系数,对每个用户的转发习惯作分类统计,以获得每个用户对每类博文的转发率。如图3所示,获取用户传播特征的方法如下:
步骤301、读取所有用户转发评论记录。
步骤302、统计各个用户的各个好友转发率、好友转发系数。可使用下述公式计算用户好友转发率、好友转发系数:
好友转发率=好友博文传播次数/好友博文收到数
好友转发系数=好友转发率/平均好友转发率
步骤303、统计用户分类博文转发率。用户分类博文转发率的计算公式如下:
用户分类博文转发率=用户分类博文转发数/用户分类博文收到数
也可利用上述公式计算总的转发率,即用户信息转发率,这时其计算公式如下:
用户信息转发率=用户信息转发数/用户信息收到数
再传播特征可用再传播概率表示,再传播概率可用如下公式表示:
再传播概率=用户分类博文转发率*分类博文转发系数*好友转发系数
获得再传播特征后,就可对信息传播过程推演,传播过程推演有以下几个方面:传播受众估计、再传播预估和再传播递推,下面分别对其进行描述。
1.传播受众估计
博文传播者(包括发布用户和转发用户)的活跃好友(粉丝),作为当次传播的受众人群。
2.再传播预估
单个受众用户接收到消息后,进行再传播的可能性。
如果再传播概率大于再传播阈值,则认为这个受众用户会有转发行为。如果小于,则认为不会转发。
再传播阈值是一个因社区而不同的常量,但会随着时间缓慢变化。需要在实践中测量和逐步调整。例如,再传播阀值可以是社区平均的再传播比率。计算公式为:再传播阀值=再传播次数/博文展现次数。
3.再传播递推
有转发行为的用户,成为新的博文传播者。
用传播受众估计的方法,可确定传播受众。
用再传播预估的方法,可预估受众中的再传播。
如此多层递推,直到传播层数达到此类博文传播层数。
获得再传播特征后,还可对信息传播效果评估,如预测信息传播路径、预测信息覆盖人群等,下面对其进行描述。
1.预测信息传播路径
通过传播过程推演.1,2,3的循环执行,模拟传播受众和再传播过程,将转发过程描述出来,就是预测获得传播路径。
2.预测信息覆盖人群
通过传播过程推演.1,2,3的循环执行,累计计算传播过程中所有受众人数,就是传播的覆盖人群。
如图4所示,下描述一下根据再传播特征转发博文的步骤如下:
步骤401、对博文的内容做分类。
步骤402、把发布用户加入再传播列表传播层数置为0。
步骤403、判断传播层数是否达到此类内容最大经验层数,若是,则执行步骤410,否则,执行步骤步骤404。
步骤404、判断当前传播层是否还有再传播用户,若是,则执行步骤405,否则,执行步骤409。
步骤405、读取再传播用户及其活跃粉丝。
步骤406、计算活跃粉丝的再传播概率。
步骤407、判断活跃粉丝的再传播概率是否大于阀值,若是,则执行步骤408,否则,返回执行步骤404。
步骤409、转发层数加1。
步骤410、输出传播路径和评论用户,并按该传播路径传播博文。
实施例二
本实施例提供了一种信息处理装置,该装置包括:接收模块,用于接收信息;再传播特征获取模块,用于根据历史信息传播特征确定再传播特征;传播模块,用于根据再传播特征表对接收单元接收的信息进行处理。所述再传播特征获取模块包括:信息传播特征获取单元,用于获取信息传播特征;用户传播特征获取单元,用于获取用户传播特征。
如图5所示,以博文为描述了信息的传播过程。下面对其进行简要说明。
首先获取历史的博文转发评论记录;经验传播层数分析模块根据历史的博文转发评论记录获得分类博文经验层数;分类博文传播特征分析模块根据历史的博文转发评论记录获得分类博文传播特征表;用户转发习惯分析模块根据历史的博文转发评论记录获得用户再传播特征表。博文传播/预测模块根据分类博文经验层数、分类博文传播特征表、用户再传播特征表和用户活跃粉丝对待传播博文进行传播/预测,可预测传播预测路径和预测覆盖人群等。
本实施例的各个单元的工作原理可参见实施例一的描述。
根据本发明,使得原本不可预知的信息(博文)传播,在信息发出前可以预估。从而可以更加合理的规划和控制信息传播,使之更加符合预期。如果应用在企业微博的社区营销策划,将取得更好的宣传效果。如果应用在社会信息的传播预估,可以预估大约的社会扩散效果。
虽然通过实施例描绘了本发明,但本领域普通技术人员知道,在不脱离本发明的精神和实质的情况下,就可使本发明有许多变形和变化,本发明的范围由所附的权利要求来限定。
Claims (4)
1.一种信息处理方法,其特征在于,包括:
接收信息;
根据再传播特征处理所述信息,所述再传播特征根据历史信息传播特征确定,所述再传播特征包括信息传播特征和用户传播特征;
所述信息传播特征包括经验转发层数和分类信息转发系数;分类信息转发系数=分类信息转发率/信息平均转发率;
所述用户传播特征具体包括用户信息转发率、好友信息转发率和好友信息转发系数,其中:
用户信息转发率=信息转发数/信息收到数
好友信息转发率=好友信息转发次数/好友信息收到数
好友信息转发系数=好友信息转发率/平均好友转发率;
所述再传播特征用再传播概率表示,再传播概率可用如下公式表示:
再传播概率=用户信息转发率*分类信息转发系数*好友信息转发系数;
根据再传播特征处理所述信息具体为下述任一步骤或下述步骤的任意组合:根据再传播特征对所述信息进行传播、根据再传播特征对所述信息传播过程推演、根据再传播特征对所述信息传播效果评估。
2.根据权利要求1所述的方法,其特征在于,根据再传播特征对所述信息进行传播具体包括:当再传播概率大于预定阈值时,传播所述信息。
3.根据权利要求1所述的方法,其特征在于,
根据再传播特征对所述信息传播过程推演具体包括:传播受众估计、再传播预估和再传播递推;
根据再传播特征对所述信息传播效果评估具体包括:预测信息传播路径、预测信息覆盖人群。
4.一种信息处理装置,其特征在于,包括:
接收模块,用于接收信息;
再传播特征获取模块,用于根据历史信息传播特征确定再传播特征,所述再传播特征获取模块包括:信息传播特征获取单元,用于获取信息传播特征,其中,所述信息传播特征包括经验转发层数和分类信息转发系数;分类信息转发系数=分类信息转发率/信息平均转发率;用户传播特征获取单元,用于获取用户传播特征,所述用户传播特征具体包括用户信息转发率、好友信息转发率和好友信息转发系数,其中:
用户信息转发率=信息转发数/信息收到数
好友信息转发率=好友信息转发次数/好友信息收到数
好友信息转发系数=好友转发率/平均好友转发率;
所述再传播特征用再传播概率表示,再传播概率可用如下公式表示:再传播概率=用户信息转发率*分类信息转发系数*好友信息转发系数;
处理模块,用于根据再传播特征对接收模块接收的信息进行处理,根据再传播特征对接收模块接收的信息进行处理具体为下述任一步骤或下述步骤的任意组合:根据再传播特征对所述信息进行传播、根据再传播特征对所述信息传播过程推演、根据再传播特征对所述信息传播效果评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210001116.8A CN103200073B (zh) | 2012-01-04 | 2012-01-04 | 一种信息处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210001116.8A CN103200073B (zh) | 2012-01-04 | 2012-01-04 | 一种信息处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103200073A CN103200073A (zh) | 2013-07-10 |
CN103200073B true CN103200073B (zh) | 2016-08-10 |
Family
ID=48722437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210001116.8A Active CN103200073B (zh) | 2012-01-04 | 2012-01-04 | 一种信息处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103200073B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504017B (zh) * | 2014-12-11 | 2017-12-08 | 北京奇虎科技有限公司 | 一种消息的发送方法和装置 |
CN105262794B (zh) * | 2015-09-17 | 2018-08-17 | 腾讯科技(深圳)有限公司 | 内容投放方法及装置 |
CN106681989A (zh) * | 2015-11-09 | 2017-05-17 | 郑州大学 | 一种预测微博转发概率的方法 |
CN107391581A (zh) * | 2017-06-21 | 2017-11-24 | 清华大学 | 社会网络信息传播行为预测方法和设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770487A (zh) * | 2008-12-26 | 2010-07-07 | 聚友空间网络技术有限公司 | 社交网络中用户影响力的计算方法和系统 |
CN101795290A (zh) * | 2009-05-27 | 2010-08-04 | 深圳市朗科科技股份有限公司 | 网络内容推送的方法及装置 |
CN101802864A (zh) * | 2007-07-20 | 2010-08-11 | 惠普开发有限公司 | 信息传播分析系统、信息传播分析装置、信息传播分析方法及其程序 |
-
2012
- 2012-01-04 CN CN201210001116.8A patent/CN103200073B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101802864A (zh) * | 2007-07-20 | 2010-08-11 | 惠普开发有限公司 | 信息传播分析系统、信息传播分析装置、信息传播分析方法及其程序 |
CN101770487A (zh) * | 2008-12-26 | 2010-07-07 | 聚友空间网络技术有限公司 | 社交网络中用户影响力的计算方法和系统 |
CN101795290A (zh) * | 2009-05-27 | 2010-08-04 | 深圳市朗科科技股份有限公司 | 网络内容推送的方法及装置 |
Non-Patent Citations (2)
Title |
---|
Predicting the popularity of online content;Gabor Szabo et al;《Communications of the ACM》;20100831;第53卷(第8期);摘要,第84页第3段-第85页最后1段 * |
微博营销提高微博转发率的几种有效方法;A5站长网;《http://www.admin5.com/article/20110321/324055.shtml》;20110321;第一,二部分 * |
Also Published As
Publication number | Publication date |
---|---|
CN103200073A (zh) | 2013-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11070643B2 (en) | Discovering signature of electronic social networks | |
Adali et al. | Measuring behavioral trust in social networks | |
Hodas et al. | How visibility and divided attention constrain social contagion | |
Hoang et al. | Virality and susceptibility in information diffusions | |
Lipizzi et al. | Extracting and evaluating conversational patterns in social media: A socio-semantic analysis of customers’ reactions to the launch of new products using Twitter streams | |
Brown et al. | Measuring user influence on twitter using modified k-shell decomposition | |
KR101961711B1 (ko) | 온라인 소셜 네트워크 내 네트워크-인지 제품 시판 | |
Zhang et al. | Product information diffusion in a social network | |
US20120004959A1 (en) | Systems and methods for measuring consumer affinity and predicting business outcomes using social network activity | |
Yu et al. | Who should I invite for my party? Combining user preference and influence maximization for social events | |
CN109063010A (zh) | 一种基于PageRank的意见领袖挖掘方法 | |
Pezzoni et al. | Why do I retweet it? An information propagation model for microblogs | |
CN103200073B (zh) | 一种信息处理方法和装置 | |
Fan et al. | Higher contagion and weaker ties mean anger spreads faster than joy in social media | |
CN103179198A (zh) | 基于多关系网络的话题影响力个体挖掘方法 | |
CN109726319A (zh) | 一种基于交互关系的用户影响力分析方法 | |
Wang et al. | Predicting the security threats on the spreading of rumor, false information of Facebook content based on the principle of sociology | |
Zheng et al. | Factors influencing message dissemination through social media | |
CN103457799B (zh) | 基于关系图的微博僵尸用户检测方法 | |
Zhang et al. | Social network information propagation model based on individual behavior | |
CN105608625A (zh) | 一种基于微博用户质量的信息影响力评估方法 | |
Wu et al. | Making recommendations in a microblog to improve the impact of a focal user | |
Iribarren et al. | Information diffusion epidemics in social networks | |
Bhattacharya et al. | RT@ News: an analysis of news agency ego networks in a microblogging environment | |
Nguyen et al. | A data-driven study of influences in Twitter communities |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |