CN103618702A - 社会网络信息传播态势感知方法及系统 - Google Patents

Abstract

本发明公开了一种社会网络信息传播态势感知方法，包括步骤：S1.初始化信息传播感知向量V，该向量装载每一时刻的信息态势感知数值；S2.通过t时刻的信息传播节点V(n)和信息传播关系E(m)构建信息传播树Tr(t)；S3.计算t时刻Tr(t)的模块度数值M(t)；S4.判断t时刻是否为初始时间，若是，则将初始时间的模块度装载入感知向量V，同时将t赋值为t+1，执行步骤S6，若否，则执行步骤S5；S5.通过t+1时刻前的所有时刻的模块度，利用三次指数平滑方法，计算t+1时刻模块度预测值Mp(t+1)；S6.将Mp(t+1)装载向量V；S7.判断t+1是否为最终时刻，若否，则将t赋值为t+1，返回步骤S2，若是，则执行步骤S8；S8.获取最终感知向量V。

Description

社会网络信息传播态势感知方法及系统

技术领域

本发明涉及信息安全与网络技术领域，尤其涉及一种社会网络信息传播态势感知方法及系统。

背景技术

目前，社会网络也正在逐渐成为信息传播的重要工具之一，也被大家公认与云计算、物联网和移动互联网等同为未来发展方向。同时，建立了以“兴趣、观点、活动、话题、喜好、人际关系、圈子”为中心的虚拟网络。同时，用户不仅仅创造内容，同时也是信息的制造者、发布者、受众者和传播者，用户参与程度加深、参与频率加快、参与热情加大，成为网络舆论形式中不可分割的一部分。

Facebook发布的2013年Q1财报显示，Facebook月活跃用户达11.1亿人，其中移动端占据7.51亿，比去年同期增长了54%。分析机构Semiocast发布的数据显示，截至到2012年7月1日，Twitter的用户数已经突破5.17亿，成为仅次于Facebook的全球第二大社交网站。此外，新浪CEO曹国伟称，截至2013年3月底，新浪微博注册用户数增长到5.36亿，比2012年底增加6.6%，微博日活跃用户数比2012年底增长7.8%，达到4980万。

当前社会网络上的信息传播呈现出渠道多样化、传播速度快、规模范围广等现象，给信息的传播分析带来了新的挑战。全球各领域的研究人员开始致力于这方面的研究，试图通过分析信息的传播过程发现在新型社会网络上的信息传播规律。在中国，社会网络作为新媒体时代的一种新兴事物，也已日益深入地走进了人们的生活之中，深刻影响和改变着人们的人际沟通和信息传递的方式。

然而，在信息传播规律分析领域中，往往分析人员很难较为准确的预测下一时刻的信息传播态势，现在还没有一种非常有效的社会网络的信息传播态势感知方法。

发明内容

（一）要解决的技术问题

本发明要解决的技术问题是：如何提供一种社会网络信息传播态势感知方法及系统，以快速、有效、准确地对真实社会媒体上的真实信息传播态势进行感知。

（二）技术方案

为解决上述问题，本发明提供一种社会网络信息传播态势感知方法，包括步骤：S1.初始化信息传播感知向量V，该向量装载每一时刻的信息态势感知数值；S2.通过t时刻的信息传播节点V(n)和信息传播关系E(m)构建信息传播树Tr(t)；S3.计算t时刻Tr(t)的模块度数值M(t)；S4.判断t时刻是否为初始时间，若是，则将初始时间的模块度装载入感知向量V，同时将t赋值为t+1，执行步骤S6，若否，则执行步骤S5；S5.通过t+1时刻前的所有时刻的模块度，利用三次指数平滑方法，计算t+1时刻模块度预测值Mp(t+1)；S6.将Mp(t+1)装载向量V；S7.判断t+1是否为最终时刻，若否，则将t赋值为t+1，返回步骤S2，若是，则执行步骤S8；S8.获取最终感知向量V。

优选地，所述信息传播节点V(n)是指社会网络中参与信息传播过程中的转发信息。

优选地，所述信息传播关系E(m)是指社会网络中信息在传播过程中，通过转发、分享操作所形成的传播关系。

优选地，社会网络的信息传播过程是由一个源节点发布内容，其它节点依次进行转发，所述信息传播树Tr(t)的构建方法是指通过传播节点V(n)和信息传播关系E(m)，构建一种树形数据结构。

优选地，所述Tr(t)的模块度数值M(t)是测量信息传播的一种指标，其代表了信息传播后的爆发程度，计算公式如下：

$M\left(t\right)=[\frac{\mathrm{\Σinsid}{e}_t+2k_{i,\mathrm{inside},t}}{2m_t}-{\left(\frac{\mathrm{\Σtota}{l}_t+k_{i,t}}{2m_t}\right)}^2]$

$-[\frac{\mathrm{\Σinsid}{e}_t}{2m_t}-{\left(\frac{\mathrm{\Σtota}{l}_t}{2m_t}\right)}^2-{\left(\frac{k_{i,t}}{2m_t}\right)}^2]$

其中，M(t)：指t时刻的模块度数值，m_t：信息传播树中t时刻所有转发关系的权重和；∑inside_t：t时刻所有链入传播团体转发关系的权重和；∑total_t：t时刻传播团体内部所有节点转发关系的权重和；k_i,t：t时刻节点i的所有关系的权重和；k_i,inside,t：t时刻从节点i链入传播团体的所有关系的权重和。

优选地，所述三次指数平滑的计算公式如下：

${\hat{X}}_{t+T}=\mathrm{\λ}+\mathrm{\ρT}+\mathrm{\δ}{T}^2$

其中，所述λ、ρ和δ均为平滑系数，t是指当前时刻，T是指预测周期。

优选地，所述平滑系数的计算公式如下：

$\mathrm{\λ}=3S_t^{\left(1\right)}-3S_t^{\left(2\right)}+S_t^{\left(3\right)}$

$\mathrm{\ρ}=\frac{\mathrm{\α}}{2{(1-\mathrm{\α})}^2}[(6-5\mathrm{\α})S_t^{\left(1\right)}-2(5-4\mathrm{\α})S_t^{\left(2\right)}+(4-3\mathrm{\α})S_t^{\left(3\right)}]$

$\mathrm{\δ}=\frac{\mathrm{\α}}{2{(1-\mathrm{\α})}^2}(S_t^{\left(1\right)}-2S_t^{\left(2\right)}+S_t^{\left(3\right)})$

其中，所述为t时刻一次指数平滑值，为t时刻二次指数平滑值，

为t时刻三次指数平滑值。

优选地，所述和

的计算公式如下：

$S_t^{\left(1\right)}=\mathrm{\α}{X}_t+(1-\mathrm{\α})S_{t-1}^{\left(1\right)}$

$S_t^{\left(2\right)}=\mathrm{\α}{S}_t^{\left(1\right)}+(1-\mathrm{\α})S_{t-1}^{\left(2\right)}$

$S_t^{\left(3\right)}=\mathrm{\α}{S}_t^{\left(2\right)}+(1-\mathrm{\α})S_{t-1}^{\left(3\right)}$

其中，所述α为平滑系数，取值范围在0和1之间。

本发明还提供一种社会网络信息传播态势感知系统，包括：页面解析模块，用于解析社会网络的基本信息页面结构和信息转发页面结构，获取信息传播节点和信息传播关系；信息传播树生成模块，用于通过当前时刻的信息传播节点和信息传播关系构建信息传播树；信息传播态势计算模块，用于利用模块度的计算方法，计算当前时刻信息传播树的模块度数值；信息传播态势预测模块，用于根据当前所有时刻的模块度数值，利用三次指数平滑方法，计算下一时刻信息传播态势状态；信息传播态势感知可视化模块，用于展示信息传播态势感知结果，将信息传播态势真实结果与感知结果进行对比。

优选地，所述信息传播节点的基本属性包括：发表信息的用户ID、用户昵称、信息ID、信息内容、信息发表时间、信息转发量。

（三）有益效果

本发明的方法及系统采用了一个有效且高效的框架来感知和预测社会网络的信息传播态势，设计了一种树形数据结构对信息传播树进行存储，通过调整平滑因子，该系统可以有效感知和预测高爆发和低爆发信息。同时，该方法及系统有效、快速、并有着较好的可扩展性。

附图说明

图1为依照本发明实施例的社会网络信息传播态势感知方法流程示意图；

图2为依照本发明实施例的真实社会网络的真实信息传播态势效果示意图；

图3为依照本发明实施例的真实社会网络的真实信息传播感知结果示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明在基于社会网络的大量转发信息观察和分析基础之上，总结出社会网络的信息传播节点和转发关系构成了信息传播树，并创新性的采用了模块度与三次指数平滑相结合的方法，对社会网络的信息传播态势进行感知。

如图1-3所示，依照本发明一种实施方式的社会网络的信息传播态势感知方法包括：

S1.初始化信息传播感知向量V，该向量可以装载每一时刻(t,t+1,t+2,…)的信息态势感知数值；

S2.通过t时刻的信息传播节点V(n)和信息传播关系E(m)构建信息传播树Tr(t)=<V(n),E(m)>；

S3.计算t时刻Tr(t)的模块度数值M(t)；

S4.判断t时刻是否为初始时间，即t-1是否为null，若是，则将初始时间的模块度M(t)装载入感知向量V，同时将t赋值为t+1，返回步骤S6，若否，说明至少存在t-1时刻的模块度数值，则继续执行步骤S5；

S5.通过t+1时刻前的所有时刻的模块度(M(t),M(t-1),M(t-2),…)，利用三次指数平滑方法，计算t+1时刻模块度预测值Mp(t+1)；

S6.将Mp(t+1)装载向量V；

S7.判断t+1是否为最终时刻，若否，则将t赋值为t+1，返回步骤S2，若是，则继续执行步骤S8；

S8.为最终感知向量V。

其中，信息传播感知向量是社会网络信息传播态势感知方法的最终结果。

其中，信息传播节点是指社会网络中参与信息传播过程中的转发信息。

其中，信息传播关系是指社会网络中信息在传播过程中，通过转发、分享等操作所形成的传播关系。

其中，信息传播树是指社会网络的信息传播过程是由一个源节点发布内容，其它节点依次进行传播而构成了一种树形数据结构。

其中，模块度是测量信息传播的一种指标，其代表了信息传播后的爆发程度，计算公式如下：

$M\left(t\right)=[\frac{\mathrm{\&Sigma;insid}{e}_t+2k_{i,\mathrm{inside},t}}{2m_t}-{\left(\frac{\mathrm{\&Sigma;tota}{l}_t+k_{i,t}}{2m_t}\right)}^2]$

$-[\frac{\mathrm{\&Sigma;insid}{e}_t}{2m_t}-{\left(\frac{\mathrm{\&Sigma;tota}{l}_t}{2m_t}\right)}^2-{\left(\frac{k_{i,t}}{2m_t}\right)}^2]$

其中，M(t)：指t时刻的模块度数值，m_t：信息传播树中t时刻所有转发关系的权重和；∑inside_t：t时刻所有链入传播团体转发关系的权重和；∑total_t：t时刻传播团体内部所有节点转发关系的权重和；k_i,t：t时刻节点i的所有关系的权重和；k_i,inside,t：t时刻从节点i链入传播团体的所有关系的权重和。

其中，三次指数平滑是预测中的一种常见方法，计算公式如下：

${\hat{X}}_{t+T}=\mathrm{\&lambda;}+\mathrm{\&rho;T}+\mathrm{\&delta;}{T}^2$

其中，λ、ρ和δ均为平滑系数，t是指当前时刻，T是指预测周期。计算公式如下：

$\mathrm{\&lambda;}=3S_t^{\left(1\right)}-3S_t^{\left(2\right)}+S_t^{\left(3\right)}$

$\mathrm{\&rho;}=\frac{\mathrm{\&alpha;}}{2{(1-\mathrm{\&alpha;})}^2}[(6-5\mathrm{\&alpha;})S_t^{\left(1\right)}-2(5-4\mathrm{\&alpha;})S_t^{\left(2\right)}+(4-3\mathrm{\&alpha;})S_t^{\left(3\right)}]$

$\mathrm{\&delta;}=\frac{\mathrm{\&alpha;}}{2{(1-\mathrm{\&alpha;})}^2}(S_t^{\left(1\right)}-2S_t^{\left(2\right)}+S_t^{\left(3\right)})$

其中，为t时刻一次指数平滑值，为t时刻二次指数平滑值，

为t时刻三次指数平滑值，计算公式如下：

$S_t^{\left(1\right)}=\mathrm{\&alpha;}{X}_t+(1-\mathrm{\&alpha;})S_{t-1}^{\left(1\right)}$

$S_t^{\left(2\right)}=\mathrm{\&alpha;}{S}_t^{\left(1\right)}+(1-\mathrm{\&alpha;})S_{t-1}^{\left(2\right)}$

$S_t^{\left(3\right)}=\mathrm{\&alpha;}{S}_t^{\left(2\right)}+(1-\mathrm{\&alpha;})S_{t-1}^{\left(3\right)}$

其中，α为平滑系数，取值范围在0和1之间。

本发明还提供了一种社会网络的信息传播态势感知系统，该系统包括：页面解析模块，用于解析社会网络的基本信息页面结构和信息转发页面结构，获取信息传播节点V(n)和信息传播关系E(m)；信息传播树生成模块，用于通过当前时刻的信息传播节点和信息传播关系构建信息传播树Tr(t)。其中每个节点的基本属性包括：发表信息的用户ID、用户昵称、信息ID、信息内容、信息发表时间、信息转发量；信息传播态势计算模块，用于利用模块度的计算方法，计算当前时刻信息传播树的模块度数值M(t)，该数值体现了社会网络信息的传播情况；信息传播态势预测模块，用于根据当前所有时刻的模块度数值，利用三次指数平滑方法，计算下一时刻信息传播态势状态Mp(t+1)；信息传播态势感知可视化模块，用于展示信息传播态势感知结果，将信息传播态势真实结果与感知结果进行对比。

实施例1

本实施例以新浪微博为例，说明本发明的技术方案。本实施例的信息传播态势感知方法包括的步骤与上述具体实施方式相同，但是在获取信息传播过程中的信息传播节点和信息传播关系时，由于新浪微博有一部分机构用户的页面结构与其它不同，因此其页面解析模块主要包含了对两种页面的解析，分别是http://e.weibo.com/userid/statusid和http://weibo.com/userid/statusid。上述URL主要由三部分构成，域名前缀部分（e.weibo.com或weibo.com）、用户ID部分、微博ID部分。在此过程中会遇到翻页问题，weibo.com的页面会在最后一页时返回下一页为NULL的信息。而e.weibo.com的页面则不会，当访问页数超出实际页数时会跳到第一页，并持续返回，因此需要对此现象进行判断。

本实例获取了新浪微博一条信息（statusid=3443749588269364）的所有传播过程进行方法验证，该条信息的传播态势如图2所示。此外，进行三次指数平滑计算过程中，需要不断调整平滑指数α，以确保最优的信息传播态势感知结果，经过实验验证表明当平滑指数0.2<α<0.6时，信息传播态势感知结果最准确，如图3所示。

通过结合附图对本发明具体实施例的描述，本发明的其它方面及特征对本领域的技术人员而言是显而易见的。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (10)

1.一种社会网络信息传播态势感知方法，其特征在于，包括步骤：

S1.初始化信息传播感知向量V，该感知向量V装载每一时刻的信息态势感知数值；

S2.通过t时刻的信息传播节点V(n)和信息传播关系E(m)构建信息传播树Tr(t)；

S3.计算t时刻Tr(t)的模块度数值M(t)；

S4.判断t时刻是否为初始时间，若是，则将初始时间的模块度装载入感知向量V，同时将t赋值为t+1，执行步骤S6，若否，则执行步骤S5；

S5.通过t+1时刻前的所有时刻的模块度，利用三次指数平滑方法，计算t+1时刻模块度预测值Mp(t+1)；

S6.将Mp(t+1)装载向量V；

S7.判断t+1是否为最终时刻，若否，则将t赋值为t+1，返回步骤S2，若是，则执行步骤S8；

S8.获取最终感知向量V。

2.如权利要求1所述的方法，其特征在于，步骤S2中，所述信息传播节点V(n)是指社会网络中参与信息传播过程中的转发信息。

3.如权利要求1所述的方法，其特征在于，步骤S2中，所述信息传播关系E(m)是指社会网络中信息在传播过程中，通过转发、分享操作所形成的传播关系。

4.如权利要求1所述的方法，其特征在于，步骤S2中，社会网络的信息传播过程是由一个源节点发布内容，其它节点依次进行转发，所述信息传播树Tr(t)的构建方法是指通过传播节点V(n)和信息传播关系E(m)，构建一种树形数据结构。

5.如权利要求1所述的方法，其特征在于，步骤S3中，所述Tr(t)的模块度数值M(t)是测量信息传播的一种指标，其代表了信息传播后的爆发程度，计算公式如下：

$M\left(t\right)=[\frac{\mathrm{\&Sigma;insid}{e}_t+2k_{i,\mathrm{inside},t}}{2m_t}-{\left(\frac{\mathrm{\&Sigma;tota}{l}_t+k_{i,t}}{2m_t}\right)}^2]$

$-[\frac{\mathrm{\&Sigma;insid}{e}_t}{2m_t}-{\left(\frac{\mathrm{\&Sigma;tota}{l}_t}{2m_t}\right)}^2-{\left(\frac{k_{i,t}}{2m_t}\right)}^2]$

其中，M(t)：指t时刻的模块度数值，m_t：信息传播树中t时刻所有转发关系的权重和；

∑inside_t：t时刻所有链入传播团体转发关系的权重和；

∑total_t：t时刻传播团体内部所有节点转发关系的权重和；

k_i,t：t时刻节点i的所有关系的权重和；

k_i,inside,t：t时刻从节点i链入传播团体的所有关系的权重和。

6.如权利要求1所述的方法，其特征在于，步骤S5中，所述三次指数平滑的计算公式如下：

${\hat{X}}_{t+T}=\mathrm{\&lambda;}+\mathrm{\&rho;T}+\mathrm{\&delta;}{T}^2$

其中，所述λ、ρ和δ均为平滑系数，t是指当前时刻，T是指预测周期。

7.如权利要求6所述的方法，其特征在于，所述平滑系数的计算公式如下：

$\mathrm{\&lambda;}=3S_t^{\left(1\right)}-3S_t^{\left(2\right)}+S_t^{\left(3\right)}$

$\mathrm{\&rho;}=\frac{\mathrm{\&alpha;}}{2{(1-\mathrm{\&alpha;})}^2}[(6-5\mathrm{\&alpha;})S_t^{\left(1\right)}-2(5-4\mathrm{\&alpha;})S_t^{\left(2\right)}+(4-3\mathrm{\&alpha;})S_t^{\left(3\right)}]$

$\mathrm{\&delta;}=\frac{\mathrm{\&alpha;}}{2{(1-\mathrm{\&alpha;})}^2}(S_t^{\left(1\right)}-2S_t^{\left(2\right)}+S_t^{\left(3\right)})$

其中，所述

为t时刻一次指数平滑值，

为t时刻二次指数平滑值，

为t时刻三次指数平滑值。

8.如权利要求7所述的方法，其特征在于，所述

和

的计算公式如下：

$S_t^{\left(1\right)}=\mathrm{\&alpha;}{X}_t+(1-\mathrm{\&alpha;})S_{t-1}^{\left(1\right)}$

$S_t^{\left(2\right)}=\mathrm{\&alpha;}{S}_t^{\left(1\right)}+(1-\mathrm{\&alpha;})S_{t-1}^{\left(2\right)}$

$S_t^{\left(3\right)}=\mathrm{\&alpha;}{S}_t^{\left(2\right)}+(1-\mathrm{\&alpha;})S_{t-1}^{\left(3\right)}$

其中，所述α为平滑系数，取值范围在0和1之间。

9.一种社会网络信息传播态势感知系统，其特征在于，包括：

页面解析模块，用于解析社会网络的基本信息页面结构和信息转发页面结构，获取信息传播节点和信息传播关系；

信息传播树生成模块，用于通过当前时刻的信息传播节点和信息传播关系构建信息传播树；

信息传播态势计算模块，计算当前时刻信息传播树的模块度数值；

信息传播态势预测模块，用于根据当前所有时刻的模块度数值，利用三次指数平滑方法，计算下一时刻信息传播态势状态；

信息传播态势感知可视化模块，用于展示信息传播态势感知结果，将信息传播态势真实结果与感知结果进行对比。

10.如权利要求9所述的系统，其特征在于，所述信息传播节点的基本属性包括：发表信息的用户ID、用户昵称、信息ID、信息内容、信息发表时间、信息转发量。

Images