CN103279472A - 一种社交网络高影响力信息的提取方法 - Google Patents

Abstract

本发明基于社交网络的内在特性，提出了基于转发分布统计及有效性评估的信息提取方法，先根据信息来源工具对信息的分布进行了初步定质的评定，并在有效性处理中基于用户信息建立了有效的二次特征进行定量评判。计算时都采用线性复杂度的算法进行分析，计算资源需求小，具有较低的时间和空间代价；联合过程采用比对处理，最终用输出真正高曝光的微博信息。此信息提取方式在现实中更具实用价值。本发明有效实现了对社交网络的舆论信息的影响性和曝光率的分析，能够过滤的低质量数据，并保留真实有效的信息以供后续人工分析使用。

Description

一种社交网络高影响力信息的提取方法

技术领域

本发明涉及一种社交网络高影响力信息的提取方法，属于社交网络数据挖掘的技术应用领域。 

背景技术

社交网络作为一种重要高效的信息传递平台，参与其中的人员越来越多。政府、事业及企业单位在这个平台中与各人进行信息交互，并及时吸收各方面的意见，对各政策的发展和效果进行评定，进而对原计划进行修改及重新计划。 

目前企业对信息的评定一般都基于人工分析，而由于网络信息的海量性，人工处理时都直接忽略低转发和评论量的信息，而主要基于社交网络上有大量的转发或者大量评论信息，对企业进行信息评估时认为这些信息有充分的曝光率，对企业的价值是巨大的，对这些数据加以分析，可助于改进现有产品及更好的定位未来的产品走向。 

然而大量的转发及大量的评论信息并非直接代表了曝光率和影响力，由于社交网络的信息分析存在固有的难题，首先是社交网络中充斥着虚假信息与低质量信息，统一的对这些信息进行观测理解，会浪费众多的人力物力，并无法反映真实的问题；其次由于参与的人员众多，导致信息是无界的，信息可以在网络中无限扩展，甚至最后影响到现实，如此海量的原始信息难以完全理解和有效抽取，最终用以辅助决策。 

科学有效的度量信息的影响性和曝光率，捕获影响舆论走向的真实信息，可使企业集中精力分析真正的问题，并用以扩大品牌正面声量、减少并消除负面声量成为企业在社会化营销中制胜的关键，而实际可用的社交网络高影响信息的提取方法和系统能给企业带来确实的帮助。 

发明内容

本发明是为了解决现有社交网络信息过载的难题，提供了一种高影响力信息的提取方法。 

本发明所述高影响力信息的提取方法，它包括以下步骤： 

步骤一：获取欲分析的所有S条已发布的微博信息的及微博对应的所有转发的相关记录，Q(G)表示第G条微博的完整记录，G＝1，2，3，...，S。

表示第G条微博的第k个转发的相关记录， $P_k^G=\{{\mathrm{id}}_k^G,{\mathrm{ct}}_k^G,{\mathrm{prg}}_k^G,{\mathrm{prf}}_k^G,{\mathrm{prw}}_k^G,{\mathrm{cs}}_k^G\},$ 即

中包含了分别为此第G条微博第k个转发的转发人的id，转发评论的文字内容，此转发用户的关注总人数、粉丝总人数、自己发布的微博总条数，此转发的发布工具来源；同时设定单信息重复 阈值系数β，0＜β＜0.005；提取比例α，0＜α＜1。 

步骤二：对每个微博信息的完整记录，根据转发的发布工具记录信息，提取各微博的分布评定指标Sd(G)，G＝1，2，3，...，S，各微博的转发数目的总量SdA(G) 

步骤三：对所有S个微博信息的完整记录，根据转发记录的用户的关注总人数、粉丝总人数、自己发布的微博总条数、转发的用户id、评论的字面内容ct_k，提取各微博的真值评定指标Sr(G)，G＝1，2，3，...，S 

步骤四：根据每个微博的分布评定指标和真值评定指标，计算各个微博信息的影响系数。其中第G条微博的影响系数FL(G)＝max{Sr(G)，1-0.8*Sd(G)}。 

步骤五：对所有S条微博的影响系数FL(G)进行由大到小的排序，则输出前

条微博信息，用以进行人工分析。 

在步骤二中，对第G条微博信息，从所述的完整记录中获取分布评定指标Sd(G)的具体方法为： 

步骤二一：对第G条微博信息的所有转发的发布工具来源，分别统计其中发布工具来源为“新浪微博”的转发数目总量Sd1(G)、来源为“iphone客户端”的转发数目总量Sd2(G)、来源为“Android客户端”的转发数目总量Sd3(G)、来源为“360安全浏览器”的转发数目总量Sd4(G)、所有转发数目的总量SdA(G) 

步骤二二：根据上述的分别计算出各发布工具来源的比例系数，即来源为“新浪微博”的比例系数

来源为“iphone客户端”的比例系数

来源为“Android客户端”的比例系数

来源为“360安全浏览器”的比例系数 $\mathrm{Sdp}4\left(G\right)=\frac{\mathrm{Sd}4\left(G\right)}{\mathrm{SdA}\left(G\right)}.$

步骤二三：计算第G条微博信息的分布评定指标Sd(G)，具体计算如下 

Sd(G)＝Sdp1(G)*0.7974+Sdp2(G)*1.3097+Sdp3(G)*2.2621+Sdp4(G)*4.3031-0.0655 

在步骤三中，对第G条微博信息，从所述的完整记录中获取真值评定指标Sr(G)的具体方法为： 

步骤三一：对第G条微博信息的完整记录Q(G)，根据转发的完整记录信息，提取第k个转发记录的特征量集合其中k＝1，2，3，...，SdA(G)。用表示第k个转发记录的第l个的特征量，此微博的转发记录总数其中l＝1，2，3，4，具体各

计算如下： 

${\mathrm{PF}}_k^G\left(1\right)={\mathrm{prf}}_k^G,{\mathrm{PF}}_k^G\left(2\right)={\mathrm{prg}}_k^G,{\mathrm{PF}}_k^G\left(2\right)=\frac{{\mathrm{prf}}_k^G}{{\mathrm{prg}}_k^G},{\mathrm{PF}}_k^G\left(4\right)=\frac{{\mathrm{prw}}_k^G}{{\mathrm{prf}}_k^G}$

步骤三二：根据所有转发的记录的特征量集合

对这些记录进行质量判定，得出质量评分 ${\mathrm{Sc}}^G\left(k\right),k=\mathrm{1,2,3},...,\mathrm{SdA}\left(G\right);$

的质量得分Sc^G(k)计算方式如下所示： 

步骤三三：对第G条微博的所有转发的记录，根据转发的用户id，分析各记录的重复规避评分Ss^G(k)，k＝1，2，3，...，SdA(G)； 

的Ss^G(k)得分计算方式如下： 

$S{s}^G\left(k\right)=\left\{\begin{array}{c}0,\&Exists;(i{d}_k^G=i{d}_k^G=i{d}_k^G=i{d}_k^G=i{d}_k^G),1\&le;a<b<c<d\&le;\mathrm{SdA}\left(G\right)\\ \text{1,other}\end{array}\right.$

步骤三四：对第G条微博的所有转发的记录的评论内容，根据评论的字面内容

分析各记录的独立性评分St^G(k)，k＝1，2，3，...，G； 

P_k的St^G(k)得分计算方式如下： 

步骤三五：根据第G条微博所有记录的质量评分、重复规避评分、独立评分，计算各记录的有效性S^G(k)，p＝1，2，3，...，SdA(G)。 

的有效性S^G(k)计算方式如下： 

S^G(k)＝Sc^G(k)*Ss^G(k)*St^G(k) 

步骤三六：根据第G条微博所有记录的有效性S^G(k)，统计其中S^G(k)＝1的转发总数，记为Src(G)。 

步骤三七：计算第G条微博的真值评定指标

本发明的优点是：本发明基于社交网络的内在特性，提出了基于分布评定和的真实评定的高影响微博信息的提取方法，处理中基于用户信息建立了有效的二次特征，并经联合规则评判。计算时都采用线性复杂度的算法进行分析，计算资源需求小，具有较低的时间和空间代价；联合过程采用比对处理，最终用输出真正高曝光的微博信息。此信息提取方式在现实中更具实用价值。 

本发明有效实现了对社交网络的舆论信息的影响性和曝光率的分析，能够过滤的低质量数据，并保留真实有效的信息以供后续人工分析使用。 

附图说明

图1为本发明检测方法的流程图。 

具体实施方式

具体实施方式一：下面结合图1说明本实施方式，本实施方式所述一种社交网络的有效信息提取的方法，它包括以下步骤： 

步骤一：获取欲分析的所有S条已发布的微博信息的及微博对应的所有转发的相关记录，Q(G)表示第G条微博的完整记录，G＝1，2，3，...，S。

表示第G条微博的第k个转发的相关记录， $P_k^G=\{{\mathrm{id}}_k^G,{\mathrm{ct}}_k^G,{\mathrm{prg}}_k^G,{\mathrm{prf}}_k^G,{\mathrm{prw}}_k^G,{\mathrm{cs}}_k^G\},$ 即

中包含了

分别为此第G条微博第k个转发的转发人的id，转发评论的文字内容，此转发用户的关注总人数、粉丝总人数、自己发布的微博总条数，此转发的发布工具来源；同时设定单信息重复阈值系数β，0＜β＜0.005；提取比例α，0＜α＜1。 

步骤二：对每个微博信息的完整记录，根据转发的发布工具记录信息，提取各微博的分 布评定指标Sd(G)，G＝1，2，3，...，S，各微博的转发数目的总量SdA(G) 

步骤三：对所有S个微博信息的完整记录，根据转发记录的用户的关注总人数、粉丝总人数、自己发布的微博总条数、转发的用户id、评论的字面内容ct_k，提取各微博的真值评定指标Sr(G)，G＝1，2，3，...，S 

步骤四：根据每个微博的分布评定指标和真值评定指标，计算各个微博信息的影响系数。其中第G条微博的影响系数FL(G)＝max{Sr(G)，1-0.8*Sd(G)}。 

步骤五：对所有S条微博的影响系数FL(G)进行由大到小的排序，则输出前

条微博信息，用以进行人工分析。 

具体实施方式二：本实施方式为对实施方式一的进一步说明，本实施方式所述步骤二中，对第G条微博信息，从所述的完整记录中获取分布评定指标Sd(G)的具体方法为： 

步骤二一：对第G条微博信息的所有转发的发布工具来源，分别统计其中发布工具来源为“新浪微博”的转发数目总量Sd1(G)、来源为“iphone客户端”的转发数目总量Sd2(G)、来源为“Android客户端”的转发数目总量Sd3(G)、来源为“360安全浏览器”的转发数目总量Sd4(G)、所有转发数目的总量SdA(G) 

步骤二二：根据上述的分别计算出各发布工具来源的比例系数，即来源为“新浪微博”的比例系数

来源为“iphone客户端”的比例系数

来源为“Android客户端”的比例系数

来源为“360安全浏览器”的比例系数 $\mathrm{Sdp}4\left(G\right)=\frac{\mathrm{Sd}4\left(G\right)}{\mathrm{SdA}\left(G\right)}.$

步骤二三：计算第G条微博信息的分布评定指标Sd(G)，具体计算如下 

Sd(G)＝Sdp1(G)*0.7974+Sdp2(G)*1.3097+Sdp3(G)*2.2621+Sdp4(G)*4.3031-0.0655 

具体实施方式三，具体实施方式三：本实施方式为对实施方式二的进一步说明，本实施方式所述在步骤三中，对第G条微博信息，从所述的完整记录中获取真值评定指标Sr(G)的 具体方法为： 

步骤三一：对第G条微博信息的完整记录Q(G)，根据转发的完整记录信息，提取第k个转发记录的特征量集合其中k＝1，2，3，...，SdA(G)。用

表示第k个转发记录的第l个的特征量，此微博的转发记录总数其中l＝1，2，3，4，具体各

计算如下： 

${\mathrm{PF}}_k^G\left(1\right)={\mathrm{prf}}_k^G,{\mathrm{PF}}_k^G\left(2\right)={\mathrm{prg}}_k^G,{\mathrm{PF}}_k^G\left(2\right)=\frac{{\mathrm{prf}}_k^G}{{\mathrm{prg}}_k^G},{\mathrm{PF}}_k^G\left(4\right)=\frac{{\mathrm{prw}}_k^G}{{\mathrm{prf}}_k^G}$

步骤三二：根据所有转发的记录的特征量集合

对这些记录进行质量判定，得出质量评分Sc^G(k)，k＝1，2，3，...，SdA(G)； 

的质量得分Sc^G(k)计算方式如下所示： 

步骤三三：对第G条微博的所有转发的记录，根据转发的用户id，分析各记录的重复规避评分Ss^G(k)，k＝1，2，3，...，SdA(G)； 

的Ss^G(k)得分计算方式如下： 

$S{s}^G\left(k\right)=\left\{\begin{array}{c}0,\&Exists;(i{d}_k^G=i{d}_k^G=i{d}_k^G=i{d}_k^G=i{d}_k^G),1\&le;a<b<c<d\&le;\mathrm{SdA}\left(G\right)\\ \text{1,other}\end{array}\right.$

步骤三四：对第G条微博的所有转发的记录的评论内容，根据评论的字面内容

分析各记录的独立性评分St^G(k)，k＝1，2，3，...，G； 

P_k的St^G(k)得分计算方式如下： 

步骤三五：根据第G条微博所有记录的质量评分、重复规避评分、独立评分，计算各记 录的有效性S^G(k)，p＝1，2，3，...，SdA(G)。 

的有效性S^G(k)计算方式如下： 

S^G(k)＝Sc^G(k)*ss^G(k)*St^G(k) 

步骤三六：根据第G条微博所有记录的有效性S^G(k)，统计其中S^G(k)＝1的转发总数，记为Src(G)。 

步骤三七：计算第G条微博的真值评定指标 。

Claims (3)

1.一种社交网络高影响力信息的提取方法，其特征在于：它包括以下步骤： 

步骤一：获取欲分析的所有S条已发布的微博信息的及微博对应的所有转发的相关记录，Q(G)表示第G条微博的完整记录，G＝1，2，3，...，S。

表示第G条微博的第k个转发的相关记录，即

中包含了

分别为此第G条微博第k个转发的转发人的id，转发评论的文字内容，此转发用户的关注总人数、粉丝总人数、自己发布的微博总条数，此转发的发布工具来源；同时设定单信息重复阈值系数β，0＜β＜0.005；提取比例α，0＜α＜1。 

步骤二：对每个微博信息的完整记录，根据转发的发布工具记录信息，提取各微博的分布评定指标Sd(G)，G＝1，2，3，...，S，各微博的转发数目的总量SdA(G) 

步骤三：对所有S个微博信息的完整记录，根据转发记录的用户的关注总人数、粉丝总人数、自己发布的微博总条数、转发的用户id、评论的字面内容ct_k，提取各微博的真值评定指标Sr(G)，G＝1，2，3，...，S 

步骤四：根据每个微博的分布评定指标和真值评定指标，计算各个微博信息的影响系数。其中第G条微博的影响系数FL(G)＝max{Sr(G)，1-0.8*Sd(G)}。 

步骤五：对所有S条微博的影响系数FL(G)进行由大到小的排序，则输出前

条微博信息，用以进行人工分析。 

2.根据权利要求1所述的社交网络有效信息的提取方法，其特征在于：在步骤二中，对第

条微博信息，从所述的完整记录中获取分布评定指标

的具体方法为：

    步骤二一：对第

条微博信息的所有转发的发布工具来源，分别统计其中发布工具来源为“新浪微博”的转发数目总量

、来源为“iphone客户端”的转发数目总量

、来源为“Android客户端”的转发数目总量

、来源为“360安全浏览器”的转发数目总量

、所有转发数目的总量；

    步骤二二：根据上述的分别计算出各发布工具来源的比例系数，即来源为“新浪微博”的比例系数

，来源为“iphone客户端”的比例系数

，来源为“Android客户端”的比例系数

，来源为“360安全浏览器”的比例系数

；

    步骤二三：计算第

条微博信息的分布评定指标

，具体计算如下

    

。

3.根据权利要求2所述的社交网络有效信息的提取方法，其特征在于：在步骤三中，对第

条微博信息，从所述的完整记录中获取真值评定指标

的具体方法为：

    步骤三一：对第

条微博信息的完整记录

，根据转发的完整记录信息，提取第

个转发记录的特征量集合，其中

；用表示第

个转发记录的第

个的特征量，此微博的转发记录总数其中

，具体各计算如下：

           

；

    步骤三二：根据所有转发的记录的特征量集合

，对这些记录进行质量判定，得出质量评分

；

    

的质量得分

计算方式如下所示：

    

；

    步骤三三：对第

条微博的所有转发的记录，根据转发的用户id，分析各记录的重复规避评分

；

   

的

得分计算方式如下：

   ；

    步骤三四：对第

条微博的所有转发的记录的评论内容，根据评论的字面内容

，分析各记录的独立性评分

；

   

；

    步骤三五：根据第条微博所有记录的质量评分、重复规避评分、独立评分，计算各记录的有效性

；

    

的有效性计算方式如下：

   

；

   步骤三六：根据第

条微博所有记录的有效性

，统计其中

的转发总数，记为；

   步骤三七：计算第

条微博的真值评定指标。   

Images