CN105205723A - 一种基于社交应用的建模方法及装置 - Google Patents
一种基于社交应用的建模方法及装置 Download PDFInfo
- Publication number
- CN105205723A CN105205723A CN201510598741.9A CN201510598741A CN105205723A CN 105205723 A CN105205723 A CN 105205723A CN 201510598741 A CN201510598741 A CN 201510598741A CN 105205723 A CN105205723 A CN 105205723A
- Authority
- CN
- China
- Prior art keywords
- node
- network model
- built
- random
- nodes
- 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.)
- Granted
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明实施例公开了一种基于社交应用的建模方法及装置,其中方法包括:按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点;将新增节点或随机节点与所述至少一个待连接节点进行连接,并统计所述待建网络模型中的节点总数量;所述随机节点是在所述待建网络模型中的所有节点中随机选取出的;当所述待建网络模型中的节点总数量达到预设数量阈值时,停止对所述新增节点或所述随机节点的连接,并将所述待建网络模型确定为最终网络模型。采用本发明,可以使基于社交应用的建模过程与社交应用的实际信息流网络的形成相符合。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种基于社交应用的建模方法及装置。
背景技术
BA无标度网络是由Barab′asi和Albert对网站的节点度分布进行实证研究发现的。万维网的节点度分布服从非泊松分布的幂律分布,由于幂律分布具有无标度的特征,所以度分布具有幂律分布的网络又称为无标度网络。Barab′asi和Albert又对无标度网络的形成机制进行了建模和仿真。在BA模型中,采用排队论中先到先服务的思想,将网络的形成机制归纳为增长特性和优先连接两个机制。Barab′asi和Albert提出了基于增长特性和优先连接特性构建的无标度网络,证明了无标度网络模型中度分布服从幂律分布。
在目前的手机短信网络中,由于用户之间的关系基本都从手机通讯录导入,属于强社交关系,所以手机短信网络的增长模型完全可以按照基本BA无标度网络中的度优先连接原则进行建模。目前的社交应用中,虽然用户之间的关系也可以从手机通讯录导入,但是随着随机添加陌生好友功能(如基于LBS(LocationBasedService,基于位置服务)添加附近的人)的完善,使得弱社交关系也变得越来越重要,因此,若只按照基本BA无标度网络中的度优先连接原则对目前的社交应用进行建模,则该建模过程是无法与社交应用的实际信息流网络的形成相符合的。
发明内容
本发明实施例提供一种基于社交应用的建模方法及装置,可以使基于社交应用的建模过程与社交应用的实际信息流网络的形成相符合。
本发明实施例提供了一种基于社交应用的建模方法,包括:
按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点;
将新增节点或随机节点与所述至少一个待连接节点进行连接,并统计所述待建网络模型中的节点总数量;所述随机节点是在所述待建网络模型中的所有节点中随机选取出的;
当所述待建网络模型中的节点总数量达到预设数量阈值时,停止对所述新增节点或所述随机节点的连接,并将所述待建网络模型确定为最终网络模型。
相应地,本发明实施例还提供了一种基于社交应用的建模装置,包括:
选择模块,用于按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点;
连接模块,用于将新增节点或随机节点与所述至少一个待连接节点进行连接,并统计所述待建网络模型中的节点总数量;所述随机节点是在所述待建网络模型中的所有节点中随机选取出的;
确定模块,用于当所述待建网络模型中的节点总数量达到预设数量阈值时,停止对所述新增节点或所述随机节点的连接,并将所述待建网络模型确定为最终网络模型。
本发明实施例按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点,并将新增节点或随机节点与所述至少一个待连接节点进行连接,由于在选择待连接节点时,不仅考虑到度优先连接特性,还考虑到随机连接特性,所以使得形成所述最终网络模型的过程可以同时考虑到强社交关系和弱社交关系,从而使形成所述最终网络模型的过程与社交应用的实际信息流网络的形成相符合。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于社交应用的建模方法的流程示意图;
图2是本发明实施例提供的另一种基于社交应用的建模方法的流程示意图;
图3是本发明实施例提供的一种基于社交应用的建模装置的结构示意图;
图4是本发明实施例提供的另一种基于社交应用的建模装置的结构示意图;
图5是本发明实施例提供的一种选择模块的结构示意图;
图6是本发明实施例提供的又一种基于社交应用的建模装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参见图1,是本发明实施例提供的一种基于社交应用的建模方法的流程示意图,所述方法可以包括:
S101,按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点;
具体的,基于社交应用的建模装置在开始建模时,需要先初始化一个基于社交应用的待建网络模型,初始化的待建网络模型是由n0个节点和e0条边构成的连通图G0(V0,E0),其中,|V0|=n0,|E0|=e0。然后,根据预设的节点增加概率确定是否增加新的节点,若确定增加新的节点,则将所述新的节点确定为新增节点,若确定不增加新的节点,则在所述待建网络模型中的所有节点中随机选取出随机节点。无论是在得到所述新增节点,还是得到所述随机节点时,所述建模装置都将会按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点。其中,所述至少一个待连接节点的数量是根据节点平均度进行估算的。由于所述择优规则同时包含有度优先连接特性和随机连接特性,所以所选择出的所述至少一个待连接节点不仅仅包含具有强社交关系的节点,还可以包含弱社交关系的节点,使得所选择出的所述至少一个待连接节点可以更加贴合社交应用的实际使用情况。其中,度优先连接特性具体是指与某节点连接的边数越多则该节点被选择的概率越大的特性,边数越多的节点对应的社交关系越强,因此,所述度优先连接特性也是指社交关系越强的节点越优先被选择和连接。其中,强社交关系的节点可以表示为从手机通讯录、即时通讯应用中的好友列表中导入的用户,弱社交关系的节点可以表示为通过基于LBS添加附近的人、漂流瓶、摇一摇等随机交友应用进行添加的用户。
S102,将新增节点或随机节点与所述至少一个待连接节点进行连接,并统计所述待建网络模型中的节点总数量;所述随机节点是在所述待建网络模型中的所有节点中随机选取出的;
具体的,所述建模装置在选择出所述至少一个待连接节点后,即可将新增节点或随机节点与所述至少一个待连接节点进行连接。具体的,在确定是否增加新的节点时,若确定有增加新的节点,则所述建模装置将所述新增节点与所述至少一个待连接节点进行连接;若确定没有增加新的节点,则所述建模装置将所述随机节点与所述至少一个待连接节点进行连接。无论是在对所述新增节点进行连接,还是对所述随机节点进行连接后,所述建模装置都将会统计所述待建网络模型中的节点总数量。若是对所述新增节点进行连接后,所述建模装置所统计到的所述待建网络模型中的节点总数量会比上一次统计的节点总数量多一个;若是对所述随机节点进行连接后,所述建模装置所统计到的所述待建网络模型中的节点总数量与上一次统计的节点总数量相同。
所述建模装置在统计出所述待建网络模型中的节点总数量后,还可以检测所述待建网络模型中的节点总数量是否达到预设数量阈值,若检测到未到达所述预设数量阈值,则说明所述待建网络模型的规模未达到指定要求,此时,所述建模装置将会重新执行S101和S102的步骤,即所述建模装置重新判断是否增加新的节点,若增加新的节点,则再将新的节点确定为所述新增节点,再按照所述择优规则在所述待建网络模型中的所有节点中选择出至少一个待连接节点,并将所述新增节点与所述至少一个待连接节点进行连接;若没有增加新的节点,则再在所有节点中选取出一个节点作为所述随机节点,再按照所述择优规则在所述待建网络模型中的所有节点中选择出至少一个待连接节点,并将所述随机节点与所述至少一个待连接节点进行连接。其中,所述待建网络模型中的所有节点的数量是随着新增节点的增加而增加,例如,当前的所述待建网络模型中的所有节点的数量是112,若在下一次的循环过程中增加了新的节点,则所述待建网络模型中的所有节点的数量将变为113。以此类推,重复执行S101和S102的步骤,直到所述待建网络模型中的节点总数量达到预设数量阈值时,停止重复执行S101和S102的步骤,即开始执行S103的步骤。
S103,当所述待建网络模型中的节点总数量达到预设数量阈值时,停止对所述新增节点或所述随机节点的连接,并将所述待建网络模型确定为最终网络模型;
具体的,当所述待建网络模型中的节点总数量达到预设数量阈值时,说明所述待建网络模型的规模已达到指定要求,此时,所述建模装置将停止对所述新增节点或所述随机节点的连接,即停止对S101和S102步骤的循环执行,并将所述待建网络模型确定为最终网络模型。在形成所述最终网络模型的增长方式中不仅考虑新节点的加入还考虑旧节点的连接,而且在形成所述最终网络模型的过程中可以保证强关系链倾向于按度优先连接,而弱关系链倾向于随机连接。因此,经过建模仿真和数值模拟,可以发现所述最终网络模型中度分布的幂律参数与实证模型中无向无权的度分布的幂律参数接近,即形成所述最终网络模型的过程能够很好达到仿真目的,使得形成所述最终网络模型的过程可以准确的预测和控制社交应用的实际信息流网络的发展。
本发明实施例按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点,并将新增节点或随机节点与所述至少一个待连接节点进行连接,由于在选择待连接节点时,不仅考虑到度优先连接特性,还考虑到随机连接特性,所以使得形成所述最终网络模型的过程可以同时考虑到强社交关系和弱社交关系,从而使形成所述最终网络模型的过程与社交应用的实际信息流网络的形成相符合。
再请参见图2,是本发明实施例提供的另一种基于社交应用的建模方法的流程示意图,所述方法可以包括:
S201,初始化基于社交应用的待建网络模型;
具体的,基于社交应用的建模装置在开始建模时,需要先初始化一个基于社交应用的待建网络模型,其中,初始化的待建网络模型是由初始化数量的节点以及初始化数量的边构成的连通图。例如,初始化的待建网络模型是由n0个节点和e0条边构成的连通图G0(V0,E0),其中,|V0|=n0,|E0|=e0。
S202,根据预设的节点增加概率确定是否增加新的节点;
具体的,在初始化所述待建网络模型后,即可开始根据预设的节点增加概率确定是否增加新的节点。其中,所述节点增加概率是根据实际的社交应用中的新增用户量、回流用户量以及总用户量进行估算的。在实际移动分析中,统计粒度(日、周、月)中的用户由新增用户、活跃用户、留存用户和回流用户组成,而新增用户与回流用户占总用户的比例即为增加的新节点比例,因此,根据新增用户量和回流用户量可以估算出所述节点增加概率。通过调节所述节点增加概率可以使建模过程能够实现不同的产品生命周期阶段的实际信息流网络。例如,在产品形成阶段,新节点加入的概率会比较大,则在建模过程中可以将所述节点增加概率设置的比较高;在产品成长阶段,新节点加入的概率会稍微减少一些,则在建模过程中可以将所述节点增加概率设置为中等偏上;在产品成熟阶段,新节点加入概率会有较大降低,则在建模过程中可以将所述节点增加概率设置的比较低。
S203,将所述新的节点确定为新增节点;
具体的,若S202步骤中判断出确定增加新的节点,则可以将所述新的节点确定为新增节点。
S204,按照择优规则在待建网络模型中的所有节点中选择出至少一个待连接节点;
具体的,所述建模装置在将所述新的节点确定为新增节点后,可以按照具有度优先连接特性和随机连接特性的择优规则计算所述待建网络模型中各个节点的择优概率,根据所述各个节点的择优概率在所述待建网络模型中的所有节点中选取出至少一个待连接节点;其中,所述至少一个待连接节点的数量是根据节点平均度进行估算的,通过对所述至少一个待连接节点的数量的选择可以调节网络中添加边的速率。
其中,所述择优规则为:
其中,Πi是所述待建网络模型中第i个节点的择优概率,p是用于调节社会关系强弱的参数,ki和kj分别指第i个节点和第j个节点的边数量,∑j中的j的数值是所述待建网络模型中的节点总数量,t是指当前迭代次数;p的数值可以根据弱关系链消息数与总消息数的比值进行估算的。由于ki/(∑jkj)表示的是第i个节点的边数量占所述待建网络模型中所有节点的边数量的总和的比值,所以(1-p)ki/(∑jkj)表示的是度优先连接的权重,由此可见,p值越小,则(1-p)ki/(∑jkj)的数值就越大,说明p值越小,度优先连接的权重越大,即强社交关系越多;p值越大,则(1-p)ki/(∑jkj)的数值就越小,各个节点的择优概率Πi也就更加接近,即各个节点被选择的概率更加接近,从而可以提高节点被随机选取的权重,即p值越大,随机连接的权重越大,弱社交关系越多。
S205,将新增节点与所述至少一个待连接节点进行连接;
具体的,所述建模装置在执行S204步骤后,将新增节点与所述至少一个待连接节点进行连接,并统计所述待建网络模型中的节点总数量,以执行S209的步骤。
S206,在所述待建网络模型中的所有节点中随机选取出随机节点;
具体的,若S202步骤中判断出不增加新的节点,则所述建模装置将会在所述待建网络模型中的所有节点中随机选取出随机节点。
S207,按照择优规则在待建网络模型中的所有节点中选择出至少一个待连接节点;
具体的,所述建模装置执行完S206步骤之后,可以按照择优规则在待建网络模型中的所有节点中选择出至少一个待连接节点。S207步骤的具体实现方式与S204步骤的具体实现方式相同,这里不再进行赘述。
S208,将随机节点与所述至少一个待连接节点进行连接;
具体的,所述建模装置执行完S207步骤之后,将随机节点与所述至少一个待连接节点进行连接,并统计所述待建网络模型中的节点总数量,以执行S209的步骤。
S209,判断待建网络模型中的节点总数量是否达到预设数量阈值;
具体的,所述建模装置在执行完S205或S208步骤之后,都将会判断待建网络模型中的节点总数量是否达到预设数量阈值,若S209判断为是,则执行S210步骤,否则,所述建模装置将会重新执行S202步骤,然后再重新顺序执行S203-S205的步骤或重新顺序执行S206-S208的步骤,直到所述待建网络模型中的节点总数量达到预设数量阈值时才停止对所述新增节点或所述随机节点的连接。其中,所述待建网络模型中的所有节点的数量是随着新增节点的增加而增加,例如,当前的所述待建网络模型中的所有节点的数量是112,若在下一次的循环过程中增加了新的节点,则所述待建网络模型中的所有节点的数量将变为113。
其中,S204中的择优规则公式中的t的初始值可以设置为1,t=1可以表示为第一次迭代,即第一次执行S202步骤;所述建模装置在第一次迭代过程中执行完S209后,若检测到待建网络模型中的节点总数量未达到预设数量阈值时,所述建模装置将重新执行S202,以进行第二次迭代,并根据t=t+1得到t=2,以此类推,若所述建模装置进行了n次迭代,则t=n。
S210,停止对所述新增节点或所述随机节点的连接,并将所述待建网络模型确定为最终网络模型;
具体的,当S209判断出所述待建网络模型中的节点总数量达到预设数量阈值时,说明所述待建网络模型的规模已达到指定要求,此时,所述建模装置将停止对所述新增节点或所述随机节点的连接,即停止对S202-S205或(S202、S206-S208)步骤的循环执行,并将所述待建网络模型确定为最终网络模型。在形成所述最终网络模型的增长方式中不仅考虑新节点的加入还考虑旧节点的连接,而且在形成所述最终网络模型的过程中可以保证强关系链倾向于按度优先连接,而弱关系链倾向于随机连接。因此,经过建模仿真和数值模拟,可以发现所述最终网络模型中度分布的幂律参数与实证模型中无向无权的度分布的幂律参数接近,即形成所述最终网络模型的过程能够很好达到仿真目的,使得形成所述最终网络模型的过程可以准确的预测和控制社交应用的实际信息流网络的发展。
本发明实施例按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点,并将新增节点或随机节点与所述至少一个待连接节点进行连接,由于在选择待连接节点时,不仅考虑到度优先连接特性,还考虑到随机连接特性,所以使得形成所述最终网络模型的过程可以同时考虑到强社交关系和弱社交关系,而且更结合了移动互联网产品在不同生命周期中的特点,从而使形成所述最终网络模型的过程与社交应用的实际信息流网络的形成相符合。
请参见图3,是本发明实施例提供的一种基于社交应用的建模装置的结构示意图,所述建模装置1可以包括:选择模块10、连接模块20、确定模块30;
所述选择模块10,用于按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点;
具体的,基于社交应用的建模装置1在开始建模时,需要先初始化一个基于社交应用的待建网络模型,初始化的待建网络模型是由n0个节点和e0条边构成的连通图G0(V0,E0),其中,|V0|=n0,|E0|=e0。然后,所述建模装置1根据预设的节点增加概率确定是否增加新的节点,若确定增加新的节点,则将所述新的节点确定为新增节点,若确定不增加新的节点,则在所述待建网络模型中的所有节点中随机选取出随机节点。无论是在得到所述新增节点,还是得到所述随机节点时,所述选择模块10都将会按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点。其中,所述至少一个待连接节点的数量是根据节点平均度进行估算的。由于所述择优规则同时包含有度优先连接特性和随机连接特性,所以所选择出的所述至少一个待连接节点不仅仅包含具有强社交关系的节点,还可以包含弱社交关系的节点,使得所选择出的所述至少一个待连接节点可以更加贴合社交应用的实际使用情况。其中,强社交关系的节点可以表示为从手机通讯录、即时通讯应用中的好友列表中导入的用户,弱社交关系的节点可以表示为通过基于LBS添加附近的人、漂流瓶、摇一摇等随机交友应用进行添加的用户。
所述连接模块20,用于将新增节点或随机节点与所述至少一个待连接节点进行连接,并统计所述待建网络模型中的节点总数量;所述随机节点是在所述待建网络模型中的所有节点中随机选取出的;
具体的,所述选择模块10在选择出所述至少一个待连接节点后,所述连接模块20即可将新增节点或随机节点与所述至少一个待连接节点进行连接。具体的,在确定是否增加新的节点时,若确定有增加新的节点,则所述连接模块20将所述新增节点与所述至少一个待连接节点进行连接;若确定没有增加新的节点,则所述连接模块20将所述随机节点与所述至少一个待连接节点进行连接。无论是在对所述新增节点进行连接,还是对所述随机节点进行连接后,所述连接模块20都将会统计所述待建网络模型中的节点总数量。若是对所述新增节点进行连接后,所述连接模块20所统计到的所述待建网络模型中的节点总数量会比上一次统计的节点总数量多一个;若是对所述随机节点进行连接后,所述连接模块20所统计到的所述待建网络模型中的节点总数量与上一次统计的节点总数量相同。
所述连接模块20在统计出所述待建网络模型中的节点总数量后,还可以检测所述待建网络模型中的节点总数量是否达到预设数量阈值,若检测到未到达所述预设数量阈值,则说明所述待建网络模型的规模未达到指定要求,此时,所述选择模块10和所述连接模块20可以重新执行对应操作,即所述建模装置1重新判断是否增加新的节点,若增加新的节点,则再将新的节点确定为所述新增节点,再由所述选择模块10按照所述择优规则在所述待建网络模型中的所有节点中选择出至少一个待连接节点,并由所述连接模块20将所述新增节点与所述至少一个待连接节点进行连接;若没有增加新的节点,则再在所有节点中选取出一个节点作为所述随机节点,再由所述选择模块10按照所述择优规则在所述待建网络模型中的所有节点中选择出至少一个待连接节点,并由所述连接模块20将所述随机节点与所述至少一个待连接节点进行连接。其中,所述待建网络模型中的所有节点的数量是随着新增节点的增加而增加,例如,当前的所述待建网络模型中的所有节点的数量是112,若在下一次的循环过程中增加了新的节点,则所述待建网络模型中的所有节点的数量将变为113。以此类推,由所述选择模块10和所述连接模块20重复执行对应操作,直到所述待建网络模型中的节点总数量达到预设数量阈值时,所述选择模块10和所述连接模块20停止执行对应操作,即开始由所述确定模块30执行对应操作。
所述确定模块30,用于当所述待建网络模型中的节点总数量达到预设数量阈值时,停止对所述新增节点或所述随机节点的连接,并将所述待建网络模型确定为最终网络模型;
具体的,当所述待建网络模型中的节点总数量达到预设数量阈值时,说明所述待建网络模型的规模已达到指定要求,此时,所述建模装置1将停止对所述新增节点或所述随机节点的连接,即所述选择模块10和所述连接模块20停止执行对应操作,并由所述确定模块30将所述待建网络模型确定为最终网络模型。在形成所述最终网络模型的增长方式中不仅考虑新节点的加入还考虑旧节点的连接,而且在形成所述最终网络模型的过程中可以保证强关系链倾向于按度优先连接,而弱关系链倾向于随机连接。因此,经过建模仿真和数值模拟,可以发现所述最终网络模型中度分布的幂律参数与实证模型中无向无权的度分布的幂律参数接近,即形成所述最终网络模型的过程能够很好达到仿真目的,使得形成所述最终网络模型的过程可以准确的预测和控制社交应用的实际信息流网络的发展。
本发明实施例按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点,并将新增节点或随机节点与所述至少一个待连接节点进行连接,由于在选择待连接节点时,不仅考虑到度优先连接特性,还考虑到随机连接特性,所以使得形成所述最终网络模型的过程可以同时考虑到强社交关系和弱社交关系,从而使形成所述最终网络模型的过程与社交应用的实际信息流网络的形成相符合。
请参见图4,是本发明实施例提供的另一种基于社交应用的建模装置的结构示意图,所述建模装置1可以包括上述图3对应实施例中的选择模块10、连接模块20、确定模块30,进一步的,所述建模装置1还可以包括:判断模块40、初始化模块50;
所述初始化模块50,用于初始化基于社交应用的待建网络模型;
具体的,基于社交应用的建模装置1在开始建模时,所述初始化模块50需要先初始化一个基于社交应用的待建网络模型,其中,初始化的待建网络模型是由初始化数量的节点以及初始化数量的边构成的连通图。例如,初始化的待建网络模型是由n0个节点和e0条边构成的连通图G0(V0,E0),其中,|V0|=n0,|E0|=e0。
所述判断模块40,用于根据预设的节点增加概率确定是否增加新的节点;
具体的,在所述初始化模块50初始化所述待建网络模型后,所述判断模块40即可开始根据预设的节点增加概率确定是否增加新的节点。其中,所述节点增加概率是根据实际的社交应用中的新增用户量、回流用户量以及总用户量进行估算的。在实际移动分析中,统计粒度(日、周、月)中的用户由新增用户、活跃用户、留存用户和回流用户组成,而新增用户与回流用户占总用户的比例即为增加的新节点比例,因此,根据新增用户量和回流用户量可以估算出所述节点增加概率。通过调节所述节点增加概率可以使建模过程能够实现不同的产品生命周期阶段的实际信息流网络。例如,在产品形成阶段,新节点加入的概率会比较大,则在建模过程中可以将所述节点增加概率设置的比较高;在产品成长阶段,新节点加入的概率会稍微减少一些,则在建模过程中可以将所述节点增加概率设置为中等偏上;在产品成熟阶段,新节点加入概率会有较大降低,则在建模过程中可以将所述节点增加概率设置的比较低。
所述确定模块30,还用于若所述判断模块40确定增加新的节点,则将所述新的节点确定为新增节点;
具体的,所述确定模块30在将所述新的节点确定为新增节点后,可以由所述选择模块10按照具有度优先连接特性和随机连接特性的择优规则计算所述待建网络模型中各个节点的择优概率,并根据所述各个节点的择优概率在所述待建网络模型中的所有节点中选取出至少一个待连接节点,再由所述连接模块20将新增节点与所述至少一个待连接节点进行连接;其中,所述至少一个待连接节点的数量是根据节点平均度进行估算的,通过对所述至少一个待连接节点的数量的选择可以调节网络中添加边的速率。
所述选择模块10,还用于若所述判断模块40确定不增加新的节点,则在所述待建网络模型中的所有节点中随机选取出随机节点;
具体的,所述选择模块10在选择出所述随机节点后,所述选择模块10可以继续按照具有度优先连接特性和随机连接特性的择优规则计算所述待建网络模型中各个节点的择优概率,并根据所述各个节点的择优概率在所述待建网络模型中的所有节点中选取出至少一个待连接节点,再由所述连接模块20将所述随机节点与所述至少一个待连接节点进行连接。
其中,所述连接模块20在将所述新增节点或所述随机节点与所述至少一个待连接节点进行连接后,所述连接模块20都将会判断待建网络模型中的节点总数量是否达到预设数量阈值,若判断为是,则由所述确定模块30停止对所述新增节点或所述随机节点的连接,并将所述待建网络模型确定为最终网络模型;否则,所述判断模块40将重新执行对应操作,然后由所述确定模块30确定出所述新增节点后,再重新由所述选择模块10选择出所述至少一个待连接节点并由所述连接模块20将所述新增节点与所述至少一个待连接节点连接,或者由所述选择模块10选择出所述随机节点后,再重新由所述选择模块10选择出所述至少一个待连接节点并由所述连接模块20将所述随机节点与所述至少一个待连接节点连接,直到所述待建网络模型中的节点总数量达到预设数量阈值时才停止对所述新增节点或所述随机节点的连接。其中,所述待建网络模型中的所有节点的数量是随着新增节点的增加而增加,例如,当前的所述待建网络模型中的所有节点的数量是112,若在下一次的循环过程中增加了新的节点,则所述待建网络模型中的所有节点的数量将变为113。
进一步的,再请参见图5,是本发明实施例提供的一种选择模块10的结构示意图,所述选择模块10可以包括:计算单元101、选择单元102;
所述计算单元101,用于按照具有度优先连接特性和随机连接特性的择优规则计算所述待建网络模型中各个节点的择优概率;
所述选择单元102,用于根据所述各个节点的择优概率在所述待建网络模型中的所有节点中选取出至少一个待连接节点;
具体的,所述计算单元101可以按照具有度优先连接特性和随机连接特性的择优规则计算所述待建网络模型中各个节点的择优概率,再由所述选择单元102根据所述各个节点的择优概率在所述待建网络模型中的所有节点中选取出至少一个待连接节点;其中,所述至少一个待连接节点的数量是根据节点平均度进行估算的,通过对所述至少一个待连接节点的数量的选择可以调节网络中添加边的速率。
其中,所述择优规则为:
其中,Πi是所述待建网络模型中第i个节点的择优概率,p是用于调节社会关系强弱的参数,ki和kj分别指第i个节点和第j个节点的边数量,∑j中的j的数值是所述待建网络模型中的节点总数量,t是指当前迭代次数;p的数值可以根据弱关系链消息数与总消息数的比值进行估算的。由于ki/(∑jkj)表示的是第i个节点的边数量占所述待建网络模型中所有节点的边数量的总和的比值,所以(1-p)ki/(∑jkj)表示的是度优先连接的权重,由此可见,p值越小,则(1-p)ki/(∑jkj)的数值就越大,说明p值越小,度优先连接的权重越大,即强社交关系越多;p值越大,则(1-p)ki/(∑jkj)的数值就越小,各个节点的择优概率Πi也就更加接近,即各个节点被选择的概率更加接近,从而可以提高节点被随机选取的权重,即p值越大,随机连接的权重越大,弱社交关系越多。
其中,所述择优规则公式中的t的初始值可以设置为1,t=1可以表示为第一次迭代,即所述判断模块40第一次执行对应操作;所述建模装置1在第一次迭代过程中执行完统计所述待建网络模型中的节点总数量后,若检测到待建网络模型中的节点总数量未达到预设数量阈值时,所述判断模块40将重新执行对应操作,以进行第二次迭代,并根据t=t+1得到t=2,以此类推,若所述建模装置1进行了n次迭代,则t=n。
在形成所述最终网络模型的增长方式中不仅考虑新节点的加入还考虑旧节点的连接,而且在形成所述最终网络模型的过程中可以保证强关系链倾向于按度优先连接,而弱关系链倾向于随机连接。因此,经过建模仿真和数值模拟,可以发现所述最终网络模型中度分布的幂律参数与实证模型中无向无权的度分布的幂律参数接近,即形成所述最终网络模型的过程能够很好达到仿真目的,使得形成所述最终网络模型的过程可以准确的预测和控制社交应用的实际信息流网络的发展。
本发明实施例按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点,并将新增节点或随机节点与所述至少一个待连接节点进行连接,由于在选择待连接节点时,不仅考虑到度优先连接特性,还考虑到随机连接特性,所以使得形成所述最终网络模型的过程可以同时考虑到强社交关系和弱社交关系,而且更结合了移动互联网产品在不同生命周期中的特点,从而使形成所述最终网络模型的过程与社交应用的实际信息流网络的形成相符合。
请参见图6,是本发明实施例提供的又一种基于社交应用的建模装置的结构示意图。如图6所示,所述建模装置1000可以包括:至少一个处理器1001,例如CPU,至少一个网络接口1004,用户接口1003,存储器1005,至少一个通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。其中,用户接口1003可以包括显示屏(Display)、键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatilememory),例如至少一个磁盘存储器。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图6所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及设备控制应用程序。
在图6所示的建模装置1000中,用户接口1003主要用于为用户提供输入的接口,获取用户输出的数据;而处理器1001可以用于调用存储器1005中存储的设备控制应用程序,并具体执行以下步骤:
按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点;
将新增节点或随机节点与所述至少一个待连接节点进行连接,并统计所述待建网络模型中的节点总数量;所述随机节点是在所述待建网络模型中的所有节点中随机选取出的;
当所述待建网络模型中的节点总数量达到预设数量阈值时,停止对所述新增节点或所述随机节点的连接,并将所述待建网络模型确定为最终网络模型。
在一个实施例中,所述处理器1001在执行按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点时,具体执行以下步骤:
按照具有度优先连接特性和随机连接特性的择优规则计算所述待建网络模型中各个节点的择优概率;
根据所述各个节点的择优概率在所述待建网络模型中的所有节点中选取出至少一个待连接节点;
其中,所述至少一个待连接节点的数量是根据节点平均度进行估算的。
其中,所述择优规则为:
其中,Πi是所述待建网络模型中第i个节点的择优概率,p是用于调节社会关系强弱的参数,ki和kj分别指第i个节点和第j个节点的边数量,∑j中的j的数值是所述待建网络模型中的节点总数量,t是指当前迭代次数;
其中,p的数值是根据弱关系链消息数与总消息数进行估算的。
在一个实施例中,所述处理器1001在执行按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点之前,还执行以下步骤:
根据预设的节点增加概率确定是否增加新的节点;
若确定增加新的节点,则将所述新的节点确定为新增节点;
若确定不增加新的节点,则在所述待建网络模型中的所有节点中随机选取出随机节点;
其中,所述节点增加概率是根据实际的社交应用中的新增用户量、回流用户量以及总用户量进行估算的。
在一个实施例中,所述处理器1001在执行按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点之前,还执行以下步骤:
初始化基于社交应用的待建网络模型;
其中,初始化的待建网络模型是由初始化数量的节点以及初始化数量的边构成的连通图。
本发明实施例按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点,并将新增节点或随机节点与所述至少一个待连接节点进行连接,由于在选择待连接节点时,不仅考虑到度优先连接特性,还考虑到随机连接特性,所以使得形成所述最终网络模型的过程可以同时考虑到强社交关系和弱社交关系,从而使形成所述最终网络模型的过程与社交应用的实际信息流网络的形成相符合。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种基于社交应用的建模方法,其特征在于,包括:
按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点;
将新增节点或随机节点与所述至少一个待连接节点进行连接,并统计所述待建网络模型中的节点总数量;所述随机节点是在所述待建网络模型中的所有节点中随机选取出的;
当所述待建网络模型中的节点总数量达到预设数量阈值时,停止对所述新增节点或所述随机节点的连接,并将所述待建网络模型确定为最终网络模型。
2.如权利要求1所述的方法,其特征在于,所述按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点,包括:
按照具有度优先连接特性和随机连接特性的择优规则计算所述待建网络模型中各个节点的择优概率;
根据所述各个节点的择优概率在所述待建网络模型中的所有节点中选取出至少一个待连接节点;
其中,所述至少一个待连接节点的数量是根据节点平均度进行估算的。
3.如权利要求2所述的方法,其特征在于,所述择优规则为:
其中,Πi是所述待建网络模型中第i个节点的择优概率,p是用于调节社会关系强弱的参数,ki和kj分别指第i个节点和第j个节点的边数量,∑j中的j的数值是所述待建网络模型中的节点总数量,t是指当前迭代次数;
其中,p的数值是根据弱关系链消息数与总消息数进行估算的。
4.如权利要求1所述的方法,其特征在于,在所述按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点的步骤之前,还包括:
根据预设的节点增加概率确定是否增加新的节点;
若确定增加新的节点,则将所述新的节点确定为新增节点;
若确定不增加新的节点,则在所述待建网络模型中的所有节点中随机选取出随机节点;
其中,所述节点增加概率是根据实际的社交应用中的新增用户量、回流用户量以及总用户量进行估算的。
5.如权利要求1所述的方法,其特征在于,在所述按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点的步骤之前,还包括:
初始化基于社交应用的待建网络模型;
其中,初始化的待建网络模型是由初始化数量的节点以及初始化数量的边构成的连通图。
6.一种基于社交应用的建模装置,其特征在于,包括:
选择模块,用于按照具有度优先连接特性和随机连接特性的择优规则在基于社交应用的待建网络模型中的所有节点中选择出至少一个待连接节点;
连接模块,用于将新增节点或随机节点与所述至少一个待连接节点进行连接,并统计所述待建网络模型中的节点总数量;所述随机节点是在所述待建网络模型中的所有节点中随机选取出的;
确定模块,用于当所述待建网络模型中的节点总数量达到预设数量阈值时,停止对所述新增节点或所述随机节点的连接,并将所述待建网络模型确定为最终网络模型。
7.如权利要求6所述的装置,其特征在于,所述选择模块包括:
计算单元,用于按照具有度优先连接特性和随机连接特性的择优规则计算所述待建网络模型中各个节点的择优概率;
选择单元,用于根据所述各个节点的择优概率在所述待建网络模型中的所有节点中选取出至少一个待连接节点;
其中,所述至少一个待连接节点的数量是根据节点平均度进行估算的。
8.如权利要求7所述的装置,其特征在于,所述择优规则为:
其中,Πi是所述待建网络模型中第i个节点的择优概率,p是用于调节社会关系强弱的参数,ki和kj分别指第i个节点和第j个节点的边数量,∑j中的j的数值是所述待建网络模型中的节点总数量,t是指当前迭代次数;
其中,p的数值是根据弱关系链消息数与总消息数进行估算的。
9.如权利要求6所述的装置,其特征在于,还包括:
判断模块,用于根据预设的节点增加概率确定是否增加新的节点;
所述确定模块,还用于若所述判断模块确定增加新的节点,则将所述新的节点确定为新增节点;
所述选择模块,还用于若所述判断模块确定不增加新的节点,则在所述待建网络模型中的所有节点中随机选取出随机节点;
其中,所述节点增加概率是根据实际的社交应用中的新增用户量、回流用户量以及总用户量进行估算的。
10.如权利要求6所述的装置,其特征在于,还包括:
初始化模块,用于初始化基于社交应用的待建网络模型;
其中,初始化的待建网络模型是由初始化数量的节点以及初始化数量的边构成的连通图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510598741.9A CN105205723B (zh) | 2015-09-18 | 2015-09-18 | 一种基于社交应用的建模方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510598741.9A CN105205723B (zh) | 2015-09-18 | 2015-09-18 | 一种基于社交应用的建模方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105205723A true CN105205723A (zh) | 2015-12-30 |
CN105205723B CN105205723B (zh) | 2018-09-04 |
Family
ID=54953387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510598741.9A Active CN105205723B (zh) | 2015-09-18 | 2015-09-18 | 一种基于社交应用的建模方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105205723B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868447A (zh) * | 2016-03-24 | 2016-08-17 | 南京邮电大学 | 基于双层网络的用户通讯行为分析及模型仿真系统 |
CN109299265A (zh) * | 2018-10-15 | 2019-02-01 | 广州虎牙信息科技有限公司 | 潜在回流用户筛选方法、装置以及电子设备 |
CN109360031A (zh) * | 2018-11-16 | 2019-02-19 | 北京奇虎科技有限公司 | 一种活跃用户数的预测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101079898A (zh) * | 2007-06-06 | 2007-11-28 | 腾讯科技(深圳)有限公司 | 一种sns网络中好友推荐系统及方法 |
CN101540739A (zh) * | 2009-04-14 | 2009-09-23 | 腾讯科技(深圳)有限公司 | 用户推荐方法及用户推荐系统 |
CN103024017A (zh) * | 2012-12-04 | 2013-04-03 | 武汉大学 | 一种社交网络重要目标及社区群体识别方法 |
-
2015
- 2015-09-18 CN CN201510598741.9A patent/CN105205723B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101079898A (zh) * | 2007-06-06 | 2007-11-28 | 腾讯科技(深圳)有限公司 | 一种sns网络中好友推荐系统及方法 |
CN101540739A (zh) * | 2009-04-14 | 2009-09-23 | 腾讯科技(深圳)有限公司 | 用户推荐方法及用户推荐系统 |
CN103024017A (zh) * | 2012-12-04 | 2013-04-03 | 武汉大学 | 一种社交网络重要目标及社区群体识别方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868447A (zh) * | 2016-03-24 | 2016-08-17 | 南京邮电大学 | 基于双层网络的用户通讯行为分析及模型仿真系统 |
CN105868447B (zh) * | 2016-03-24 | 2019-05-24 | 南京邮电大学 | 基于双层网络的用户通讯行为分析及模型仿真系统 |
CN109299265A (zh) * | 2018-10-15 | 2019-02-01 | 广州虎牙信息科技有限公司 | 潜在回流用户筛选方法、装置以及电子设备 |
CN109299265B (zh) * | 2018-10-15 | 2020-08-21 | 广州虎牙信息科技有限公司 | 潜在回流用户筛选方法、装置以及电子设备 |
CN109360031A (zh) * | 2018-11-16 | 2019-02-19 | 北京奇虎科技有限公司 | 一种活跃用户数的预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105205723B (zh) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210133536A1 (en) | Load prediction method and apparatus based on neural network | |
US11200592B2 (en) | Simulation-based evaluation of a marketing channel attribution model | |
CN103338461B (zh) | 基于业务量预测的网络规划方法及装置 | |
CN108052979A (zh) | 对模型预测值进行融合的方法、装置和设备 | |
CN107485859A (zh) | 游戏邀请方法、装置及电子设备 | |
CN103246985A (zh) | 一种广告点击率预测方法及装置 | |
CN107507036A (zh) | 一种数据预测的方法及终端 | |
CN104102696A (zh) | 一种内容推荐方法及装置 | |
CN101505311A (zh) | 一种基于社会化网络的信息传播方法及系统 | |
CN106991095B (zh) | 机器异常的处理方法、学习速率的调整方法及装置 | |
CN109377218B (zh) | 一种遏制虚假感知攻击的方法、服务器及移动终端 | |
CN110362728A (zh) | 基于大数据分析的信息推送方法、装置、设备及存储介质 | |
CN105205723A (zh) | 一种基于社交应用的建模方法及装置 | |
CN114707934A (zh) | 提高订单响应率的方法及计算机设备 | |
CN111835536A (zh) | 一种流量预测方法和装置 | |
CN110471769A (zh) | 一种虚拟机的资源管理方法及装置 | |
CN108256894A (zh) | 广告展示控制方法、设备、服务器及客户端 | |
CN110335061A (zh) | 交易模式画像建立方法、装置、介质及电子设备 | |
CN107665349A (zh) | 一种分类模型中多个目标的训练方法和装置 | |
CN113723607A (zh) | 时空数据处理模型的训练方法、装置、设备及存储介质 | |
CN109978172B (zh) | 一种基于极限学习机的资源池利用率预测方法及装置 | |
CN115859808A (zh) | 一种泵组工作预测方法、装置、电子设备及存储介质 | |
CN114912958A (zh) | 坐席外呼方法、装置、计算机设备及存储介质 | |
CN114971736A (zh) | 电力计量物资需求预测方法、装置、电子设备和存储介质 | |
CN103577493A (zh) | 一种社交网络中好友分组的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |