CN106682991B - 一种基于在线社交网络的信息传播模型及其传播方法 - Google Patents

Abstract

本发明请求保护一种基于在线社交网络的信息传播模型及其传播方法，属于在线社交网络分析领域。它包括了获取数据源，建立多维属性驱动机制，建立动态演化策略，构建热点话题传播模型四个部分。第一步，获取数据源。第二步，构建多维属性驱动机制，从网络结构和用户历史行为两个方面提取用户属性，用多元线性回归的方法定量阐述两种因素对用户参与话题的驱动力的影响。第三步，构建动态演化策略，定义收益矩阵和感知流行度，根据演化博弈论建立动态演化策略。第四步，构建热点话题传播模型。将用户多维属性模型和动态演化策略与传统SIR模型结构建一种新的热点话题传播模型。该发明能够有效的描绘社交网络中热点信息的传播趋势，揭示不同驱动因素对信息传播的影响。

Description

一种基于在线社交网络的信息传播模型及其传播方法

技术领域

本发明涉及社交网络分析领域，涉及在线社交网络信息传播的建模，揭示不同驱动因素对信息传播的影响。

背景技术

互联网技术的迅速发展，促使各种不同类型的在线社交媒体不断涌现，并逐渐成为人们获取信息、分享信息的重要工具，深刻影响改变了人们的生活的方式。社交网络为人们提供了十分广泛的信息来源，用户在网络上留下的数据成为研究人员重要的数据来源。社交网络的信息传播问题已成为充满潜力的研究方向，吸引了众多研究人员关注。对社交网络信息传播模式的研究可以解决许多实际问题，如市场营销、购物网站信息推荐、舆情监控、优化社交网络的商业行为等。

近年来，社会学、计算机科学以及复杂网络领域的专家和学者从不同的角度对社交网络信息传播进行表示、分类和预测，揭示信息传播的潜在机制。其主要研究领域在网络结构、群体状态、信息特性等方向有不同程度的探索。基于群体状态的信息传播主要从两个角度出发：一种是从群体出发，借鉴传染病的思想，描绘信息传播过程；另一种是从个体出发，考虑不同个体对信息传播不同作用，建立个体影响力模型。

基于群体状态的传播模型通过描述网络中用户对信息的接受状态，以及个体在这几个状态间的重新分配，刻画信息传播的动态变化。虽然有很多的描述群体状态的模型被提出，但大多忽视了信息传播过程中用户之间动态的观点交互行为和变换策略的过程对信息传播的影响以及信息传播的多源性问题。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种提高描绘准确度的基于在线社交网络的信息传播模型及方法。本发明的技术方案如下：

一种基于在线社交网络的信息传播模型，其包括：获取数据模块、多维属性驱动机制建立模块、动态演化策略建立模块及热点话题传播模型构建模块，所述获取数据模块用于从在线社交媒体的公共API获取热点话题下的用户相关信息并进行数据处理；多维属性驱动机制建立模块，用于提取用户网络结构属性和历史行为属性，并定义和量化相关用户属性，利用多元线性回归方法构建用户多维属性驱动机制；动态演化策略建立模块，用于定义感知流行度、策略集和收益矩阵，根据演化博弈论中的复制动态方程思想建立动态演化策略；热点话题传播模型构建模块，用于以传统SIR传染病模型为基础，结合多维属性驱动机制和动态演化策略建立热点话题传播模型，分析内部驱动因素和外部驱动因素对信息传播的影响。

进一步的，所述获取数据模块获取热点话题下的用户相关信息，主要包括用户信息、用户社交关系、用户历史行为记录三个方面的数据；数据处理主要包括：对以上三个方面的数据进行时间分片，将数据按照时间区间进行划分，然后，在单位时间内，从数据中找出已参与该话题的用户及其粉丝，据此建立网络拓扑。

进一步的，所述多维属性驱动机制建立模块构建用户多维属性驱动机制，首先，分别从网络拓扑结构和用户历史行为属性两个方面提取用户属性；然后，根据提取的属性量化驱动力形成的网络结构要素f_network(u_i)和用户历史行为要素f_history(u_i)，用多元线性回归的方法构建用户多维属性驱动机制，并求解基于内部驱动因素用户参与话题的驱动力Dri(u_i)。

进一步的，所述网络拓扑结构提取用户属性包括：用户的度Deg(u_i)、用户介数C_B(u_i)，

所述用户历史行为属性包括：内容相似性Sim(u_i)、活跃用户Act(u_i)。

进一步的，所述动态演化策略建立模块定义感知流行度、策略集和收益矩阵，

根据演化博弈论中的复制动态方程思想建立动态演化策略包括：

首先，定义收益矩阵P_n和P_a以及感知流行度M(t)；P_n和P_a分别表示不主动关注热点话题和主动关注热点话题的收益。然后，从已有数据中提取未参与话题的活跃用户作为未感染个体中选择主动关注策略的用户；最后，依据演化博弈论的复制动态方程建立动态演化策略。

进一步的，所述热点话题传播模型构建模块，将多维属性驱动机制和动态演化策略相结合，以传统SIR模型为基础构建信息传播模型，分别将用户参与话题的驱动力Dri(u_i)和动态策略比例x_n和x_a在内的参数输入到传统SIR模型，进而构建新的热点话题信息传播模型。

进一步的，所述策略集包括定义“不主动关注的策略”inactive和“主动关注策略”active，个体接受主动关注的策略理解为个体主动关注热点话题，反之亦然，我们用p_n和p_a分别表示用户选择策略inactive和active时参与话题的概率，其中p_a＞p_n，下面我定义两种不同的收益函数：

P_n(t)＝m_nM(t)

P_a(t)＝-k+m_aM(t)

选择策略active的个体要付出一个额外的固定支付k，其中，m_a＞m_n，m_a和m_n是与用户参与话题的概率有关的变量；

定义感知流行度：依据传统的SIR模型中感染率为理论基础，建立感知流行度的概念，表示过去某一段时间，用户感知到参与话题个体的变化率，

其中，x表示未参与话题用户中选择“不主动关注的策略”inactive的比例。

一种基于所述模型的基于在线社交网络的信息传播方法，其包括以下步骤：

获取数据的步骤、建立多维属性驱动机制的步骤，建立动态演化策略的步骤及构建热点话题传播模型的步骤。

进一步的，获取数据的步骤主要从现有的社交媒体获取热点话题下的用户社交关系、用户历史行为信息；建立多维属性驱动机制的步骤主要包括，提取用户网络结构属性和历史行为属性，并定义和量化相关用户属性，利用多元线性回归方法构建用户多维属性驱动机制；建立动态演化策略的步骤包括，定义感知流行度、策略集和收益矩阵，根据演化博弈论中的复制动态方程思想建立动态演化策略；构建热点话题传播模型的步骤包括，以SIR模型为基础，结合多维属性驱动机制和动态演化策略建立热点话题传播模型，分析内部驱动因素和外部驱动因素对信息传播的影响。

进一步的，所述获取数据的步骤还包括对数据处理的步骤，主要包括：对用户信息、用户社交关系、用户历史行为记录三个方面的数据进行时间分片，将数据按照时间区间进行划分，然后，在单位时间内，从数据中找出已参与该话题的用户及其粉丝，据此建立网络拓扑。

本发明的优点及有益效果如下：

本发明从用户参与热点话题的内部和外部驱动因素出发，构建热点话题信息传播模型。对于内部驱动因素，提取用户的网络结构属性和历史行为属性，利用多元线性回归方法构建用户多维属性驱动机制，对个体参与话题的内部驱动因素进行分析，为信息传播过程中不同群体状态的转变提供理论依据。对于外部驱动因素，考虑到信息传播的多源性和用户交互行为的复杂性，定义感知流行度的概念，并以演化博弈论为基础，提出一种用户行为的动态演化策略，揭示外部驱动因素对用户行为的影响。最后，综合考虑影响热点信息传播的内部和外部驱动因素，将动态演化策略和用户多维属性驱动机制结合作为群体状态改变的理论依据，以传统SIR模型为基础构建热点话题信息传播模型。从而实现对热点话题信息在社交网络中的传播过程进行更加准确的描绘，揭示信息传播过程中多因素耦合的本质规律。

附图说明

图1是本发明提供优选实施例基于在线社交网络的信息传播模型的整体框图。

图2是本发明基于在线社交网络的信息传播模型框图。

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、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

本发明解决上述技术问题的技术方案是，

如图1所示为本发明整体框图，表明本发明的输入是话题下网络结构，经过热点话题传播模型后的输出是消息已知者、消息未知者、消息免疫者在整体网络中的情况。如图2所示为本发明的总体流程图，包括：获取数据模块，建立多维属性驱动机制，建立动态演化策略模块，构建热点话题传播模型模块，共四大模块。具体说明本发明的详细实施过程，包括如下四个步骤：

S1：获取数据源。本发明所需要的数据从在线社交媒体的公共API获取

S2：构建用户多维属性驱动机制。首先，分别从网络拓扑结构和用户历史行为属性两个方面提取用户属性。然后，根据提取的属性量化驱动力形成的网络结构要素f_network(u_i)和用户历史行为要素f_history(u_i)，用多元线性回归的方法构建用户多维属性驱动机制，并求解基于内部驱动因素用户参与话题的驱动力Dri(u_i)。

S3：构建动态演化策略。首先，定义收益矩阵P_n和P_a以及感知流行度M(t)；然后，从已有数据中提取未参与话题的活跃用户作为未感染个体中选择主动关注策略的用户。最后，依据演化博弈论的复制动态方程建立动态演化策略。

S4：构建热点话题传播模型，将多维属性驱动机制和动态演化策略相结合，以SIR为基础构建信息传播模型。分别将用户参与话题的驱动力Dri(u_i)和动态策略比例x_n和x_a等参数输入到传统SIR模型，进而构建新的热点话题信息传播模型。

上述步骤S1获取数据源，提取相关属性。主要分以下2个步骤：

S11：抓取数据。在某社交媒体上，抓取某个热点话题下的用户信息，主要包括用户信息、用户社交关系、用户历史行为记录三个方面。

S12：数据处理。首先，对数据进行时间分片，将数据按照时间区间进行划分。然后，在单位时间内，从数据中找出已参与该话题的用户及其粉丝，据此建立网络拓扑。

上述步骤S2建立多维属性驱动机制。主要分以下四个步骤：

S21：提取网络结构属性。考虑用户参与话题讨论和转发行为的网络结构属性因素，本发明就一下几个方面定义了相关的属性。

1)用户的度Deg(u_i)

节点的度(Degree)定义为与某节点u_i相关联的边的数目。在线社交网络是有向图，若用户u_i关注u_j，我们称之为出度并表示为u_i→u_j，用户u_i的关注者总和记为Deg-(u_i)；若用户u_k关注u_i，我们称之为入度并表示为u_k→u_i，关注用户u_i的数量总和记为Deg+(u_i)。所以有：

Deg(u_i)＝Deg-(u_i)+Deg+(u_i)

2)用户介数C_B(u_i)

在网络中，介数(Betweeness)定义为所有最短路径经过该节点(或边)的概率之和，描述了某个节点在网络中的影响力与中心性程度。假设某节点j和k之间的最短路径的数量为δ_jk，这两个节点之间的最短路径经过某用户节点u_i的数量为δ_jk(u_i)。在此基础上，用户u_i的介数可定义为

S22：提取用户历史行为属性

1)内容相似性Sim(u_i)

内容相似性(Similarity)用于描述某用户u_i的兴趣与话题标签的相似程度。通过提取用户标签和热点话题中的关键字，用Jaccard系数进行归一化处理。Jaccard系数的大小与用户个人兴趣成正相关。在这里我们设定A为用户行为标签，B为热点话题高频词汇，则内容相似性为

2)活跃用户Act(u_i)

Act(v_i)用于描述用户u_i是否是活跃用户(Active User)，1代表该用户是活跃用户，0代表该用户不是活跃用户。在参与话题的概率上，相比非活跃用户，活跃用户的概率更大，在这里定义活跃用户为

其中，Active(u_i)代表用户u_i的活跃指数，τ为可调参数。

Active(u_i)＝ρ*Num[orig(u_i)]+Num[retw(u_i)]

ρ∈[0，1]为弱化系数，Num[orig(u_i)]，Nun[retw(u_i]，分别是用户u_i在话题发起前一段时间发表微博和转发微博的数量。

S23：结合网络结构属性和用户历史行为属性，用户u_i参与话题的驱动力为：

Dri(u_i)＝θ₀+θ₁*f_network(u_i)+θ₂*f_network(u_i)

其中，θ₀、θ₁、θ₂是偏回归系数，θ₁，θ₂代表网络结构属性和用户历史行为记录的在用户驱动力中的占比，三个参数均采用多元线性回归训练得出。

表示网络结构属性，

为归一化因子，i表示用户编号。

ψ_ik表示历史行为属性，max_u∈V(ψ(u_i))为归一化因子，i表示用户编号。

S3：构建动态演化策略。首先，定义收益矩阵P_n和P_a以及感知流行度M(t)；然后，从已有数据中提取未参与话题的活跃用户作为未感染个体中选择主动关注策略的用户。最后，依据演化博弈论中复制动态方程的思想建立动态演化策略。

S31：定义策略集和收益矩阵。首先，在这里我们定义两种策略：“不主动关注的策略”inactive和“主动关注策略”active，个体接受主动关注的策略可以理解为个体主动关注热点话题，反之亦然。我们用p_n和p_a分别表示用户选择策略inactive和active时参与话题的概率，其中p_a＞p_n。

下面我定义两种不同的收益函数：

P_n(t)＝m_nM(t)

P_a(t)＝-k+m_aM(t)

选择策略active的个体要付出一个额外的固定支付k。其中，m_a＞m_n。m_a和m_n是与用户参与话题的概率有关的变量。

S32：定义感知流行度(Perceived Popularity)：依据传统的SIR模型中感染率为理论基础，建立感知流行度的概念。表示过去某一段时间，用户感知到参与话题个体的变化率。

其中，x表示未参与话题用户中选择“不主动关注的策略”inactive的比例，

S33：定义动态演化策略。依据演化博弈论中复制动态的思想，参与人能够通过与遇到的个体的收益进行比较从而动态的改变自己的策略。选择不同策略群体的变化比例与相应的收益成正比(ΔP＝P_n-P_a)。

由于我们的策略集中只包含两种策略，在这里我们定义动态演化策略为：

其中，x和1-x分别表示选择不同策略群体的比例，

表示选择不同策略个体相互遇到概率，φ是一个比例常量。

一个策略只有已经被人们采用才会被传播(由于x＝0或者x＝1是一种均衡)，为了避免这种情况，我们这里认为有极少数个体忽视收益的均衡，采取非理性的策略(以概率

)。改进后为：

在这里

S4：构建热点话题传播模型，将多维属性驱动机制和动态演化策略结合，以SIR为基础构建信息传播模型。分别将状态改变概率Dri(u_i)和动态策略比例x_n和x_a等参数输入到传统SIR模型，进而构建新的热点话题信息传播模型。

S41：将动态策略演化模型与SIR模型相结合可得：

其中，m＝(m_a-m_n)/k，ρ＝kω，

当λ＝λ_m且r＝μ时感知流行度等于一段时间内实际参与话题人数的变化率。

S42：引入多维属性模型，可得

本发明从用户参与热点话题的内部和外部驱动因素出发，提出一种热点话题信息传播模型。对于内部驱动因素，利用多元线性回归方法构建用户多维驱动机制，对个体参与话题的内部驱动因素进行分析。对于外部驱动因素，提出一种基于感知流行度的用户行为动态演化策略，揭示外部驱动因素对用户行为的影响。最后，结合传统SIR模型，综合考虑影响热点话题信息传播的驱动因素，得到一种基于用户多维属性和演化博弈论的热点话题传播模型。揭示不同驱动因素对信息传播的影响，描绘社交网络中热点信息的传播趋势。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (8)

1.一种基于在线社交网络的信息传播模型，其特征在于，包括：获取数据模块、多维属性驱动机制建立模块、动态演化策略建立模块及热点话题传播模型构建模块，所述获取数据模块用于从在线社交媒体的公共API获取热点话题下的用户相关信息并进行数据处理；多维属性驱动机制建立模块，用于提取用户网络结构属性和历史行为属性，并定义和量化相关用户属性，利用多元线性回归方法构建用户多维属性驱动机制；动态演化策略建立模块，用于定义感知流行度、策略集和收益矩阵，根据演化博弈论中的复制动态方程思想建立动态演化策略；热点话题传播模型构建模块，用于以传统SIR传染病模型为基础，结合多维属性驱动机制和动态演化策略建立热点话题传播模型，分析内部驱动因素和外部驱动因素对信息传播的影响；

所述动态演化策略建立模块定义感知流行度、策略集和收益矩阵，根据演化博弈论中的复制动态方程思想建立动态演化策略，具体包括：

首先，定义收益矩阵P_n和P_a以及感知流行度M(t)；P_n和P_a分别表示不主动关注热点话题和主动关注热点话题的收益；然后，从已有数据中提取未参与话题的活跃用户作为未感染个体中选择主动关注策略的用户；最后，依据演化博弈论的复制动态方程建立动态演化策略；

所述策略集包括定义“不主动关注的策略”inactive和“主动关注策略”active，个体接受主动关注的策略为个体主动关注热点话题，用p_n和p_a分别表示用户选择策略inactive和active时参与话题的概率，其中p_a>p_n，定义两种不同的收益函数：

P_n(t)＝m_nM(t)

P_a(t)＝-k+m_aM(t)

选择策略active的个体要付出一个额外的固定支付k，其中，m_a>m_n，m_a和m_n是与用户参与话题的概率有关的变量；

定义感知流行度具体为：依据传统的SIR模型中感染率为理论基础，建立感知流行度的概念，感知流行度M(t)满足：

其中，

表示过去某一段时间，用户感知到参与话题用户的变化率，x表示未参与话题用户中选择“不主动关注的策略”inactive的比例。

2.根据权利要求1所述基于在线社交网络的信息传播模型，其特征在于，

所述获取数据模块获取热点话题下的用户相关信息，包括用户信息、用户社交关系、用户历史行为记录三个方面的数据；数据处理包括：对以上三个方面的数据进行时间分片，将数据按照时间区间进行划分，然后，在单位时间内，从数据中找出已参与该话题的用户及其粉丝，据此建立网络拓扑。

3.根据权利要求2所述基于在线社交网络的信息传播模型，其特征在于，

所述多维属性驱动机制建立模块构建用户多维属性驱动机制，首先，分别从网络拓扑结构和用户历史行为属性两个方面提取用户属性；然后，根据提取的属性量化驱动力形成的网络结构要素f_network(u_i)和用户历史行为要素f_history(u_i)，用多元线性回归的方法构建用户多维属性驱动机制，并求解基于内部驱动因素用户参与话题的驱动力Dri(u_i)。

4.根据权利要求3所述基于在线社交网络的信息传播模型，其特征在于，所述网络拓扑结构提取用户属性包括：用户的度Deg(u_i)、用户介数C_B(u_i)，所述用户历史行为属性包括：内容相似性Sim(u_i)、活跃用户Act(u_i)。

5.根据权利要求1所述基于在线社交网络的信息传播模型，其特征在于，

所述热点话题传播模型构建模块，将多维属性驱动机制和动态演化策略结合，以传统SIR模型为基础构建信息传播模型，分别将用户参与话题的驱动力Dri(u_i)和动态策略比例x_n和x_a在内的参数输入到传统SIR模型,进而构建新的热点话题信息传播模型。

6.一种基于权利要求1所述模型的基于在线社交网络的信息传播方法，其特征在于，包括以下步骤：

获取数据的步骤、建立多维属性驱动机制的步骤，建立动态演化策略的步骤及构建热点话题传播模型的步骤。

7.根据权利要求6所述的基于在线社交网络的信息传播方法，其特征在于，获取数据的步骤包括：从现有的社交媒体获取热点话题下的用户社交关系、用户历史行为信息；建立多维属性驱动机制的步骤包括：提取用户网络结构属性和历史行为属性，并定义和量化相关用户属性，利用多元线性回归方法构建用户多维属性驱动机制；建立动态演化策略的步骤包括：定义感知流行度、策略集和收益矩阵，根据演化博弈论中的复制动态方程思想建立动态演化策略；构建热点话题传播模型的步骤包括：以SIR模型为基础，结合多维属性驱动机制和动态演化策略建立热点话题传播模型，分析内部驱动因素和外部驱动因素对信息传播的影响。

8.根据权利要求7所述的基于在线社交网络的信息传播方法，其特征在于，所述获取数据的步骤还包括对数据处理的步骤，包括：对用户信息、用户社交关系、用户历史行为记录三个方面的数据进行时间分片，将数据按照时间区间进行划分，然后，在单位时间内，从数据中找出已参与该话题的用户及其粉丝，据此建立网络拓扑。

Images