CN106952166A - 一种社交平台的用户影响力估算方法及装置 - Google Patents

一种社交平台的用户影响力估算方法及装置 Download PDF

Info

Publication number
CN106952166A
CN106952166A CN201610009657.3A CN201610009657A CN106952166A CN 106952166 A CN106952166 A CN 106952166A CN 201610009657 A CN201610009657 A CN 201610009657A CN 106952166 A CN106952166 A CN 106952166A
Authority
CN
China
Prior art keywords
influence power
user
ranking
social platform
influence
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
Application number
CN201610009657.3A
Other languages
English (en)
Other versions
CN106952166B (zh
Inventor
谭奔
刘大鹏
曹孝卿
张小鹏
肖磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201610009657.3A priority Critical patent/CN106952166B/zh
Priority to PCT/CN2017/070503 priority patent/WO2017118426A1/zh
Publication of CN106952166A publication Critical patent/CN106952166A/zh
Priority to US15/933,891 priority patent/US20180211335A1/en
Application granted granted Critical
Publication of CN106952166B publication Critical patent/CN106952166B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01Social networking
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241Advertisements
    • G06Q30/0251Targeted advertisements
    • G06Q30/0269Targeted advertisements based on user profile or attribute
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/52User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/2866Architectures; Arrangements
    • H04L67/30Profiles
    • H04L67/306User profiles
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/50Network services
    • H04L67/535Tracking the activity of the user

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Computing Systems (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明公开了一种社交平台的用户影响力估算方法及装置,其中该方法包括:获取社交平台上的用户行为数据;根据用户行为数据,确定用户两两之间的影响力转移关系;基于影响力转移关系,估算用户在社交平台上的影响力排名;根据影响力排名确定各用户的影响力。由于用户行为数据主要体现了用户在社交活动中的互动信息,而该方案主要根据用户行为数据确定用户之间的影响力转移关系,并基于影响力转移关系对用户的影响力进行估算的,因此相对于现有单靠基于好友覆盖程度来度量用户的社交影响力的方式,大大的提高了用户社交影响力估算的准确度和可信度,从而也提高了社交平台上信息投放的精确度。

Description

一种社交平台的用户影响力估算方法及装置
技术领域
本发明属于通信技术领域,尤其涉及一种社交平台的用户影响力估算方法及装置。
背景技术
随着互联网技术的发展,各种社交应用也越来越广泛,在社交网络的平台上,人们可以分享自己的心情、关注朋友的状态以及了解一些热门话题、新闻等。社交应用中所涉及的大量用户数据,比如用户的喜好、社交活动和用户社交影响力(可简称用户影响力)等等,对于信息的投放,如广告的投放有着极大的意义。
目前传统技术上,用户影响力的确定,一般基于人脉网络。在社交网络中用户可以将自己喜爱的人加为好友,甚至加为密友,因此,基于人脉网络的影响力计算方式,就是利用用户的好友覆盖程度来计算,一个用户的拥有的好友数目越多,其社交影响力就越高。用户影响力描述了一个用户影响其他用户的能力,在社交网络领域(如微信朋友圈等),用户影响力可以用该用户收到的关注度来度量,受关注度越高,其社交影响力就越大。
在对现有技术的研究和实践过程中,本发明的发明人发现,现有的用户影响力估算方案虽然在一定程度中可以估算出用户的社交影响力,但是如果用户的好友数目虽然很多,但经常联系的却很少,则单单基于好友覆盖程度来度量用户的社交影响力,会使得计算出的用户社交影响力准确度和可信度不高,从而导致社交平台上的信息投放也不够精确。
发明内容
本发明的目的在于提供一种社交平台的用户影响力估算方法及装置,旨在提高用户社交影响力计算的准确度和可信度,从而提高社交平台上信息投放的精确度。
为解决上述技术问题,本发明实施例提供以下技术方案:
一种社交平台的用户影响力估算方法,其中包括:
获取社交平台上的用户行为数据;
根据所述用户行为数据,确定用户两两之间的影响力转移关系;
基于所述影响力转移关系,估算用户在所述社交平台上的影响力排名;
根据所述影响力排名确定各用户的影响力。
为解决上述技术问题,本发明实施例还提供以下技术方案:
一种社交平台的用户影响力估算装置,其中包括:
获取单元,用于获取社交平台上的用户行为数据;
第一确定单元,用于根据所述用户行为数据,确定用户两两之间的影响力转移关系;
估算单元,用于基于所述影响力转移关系,估算用户在所述社交平台上的影响力排名;
第二确定单元,用于根据所述影响力排名确定各用户的影响力。
相对于现有技术,本发明实施例,首先根据社交平台上的用户行为数据,确定用户两两之间的影响力转移关系,其后基于影响力转移关系,估算用户在社交平台上的影响力排名,从而可以根据影响力排名确定用户的影响力;由于用户行为数据主要体现了用户在社交活动中的互动信息,而该方案主要根据用户行为数据确定用户之间的影响力转移关系,并基于影响力转移关系对用户的影响力进行估算的,因此相对于现有单靠基于好友覆盖程度来度量用户的社交影响力的方式,大大的提高了用户社交影响力估算的准确度和可信度,从而也提高了社交平台上信息投放的精确度。
附图说明
下面结合附图,通过对本发明的具体实施方式详细描述,将使本发明的技术方案及其它有益效果显而易见。
图1a是本发明第实施例提供的社交平台的用户影响力估算方法的场景示意图;
图1b是本发明第一实施例提供的社交平台的用户影响力估算方法的流程示意图;
图2a为本发明第二实施例提供的社交平台的用户影响力估算方法的流程示意图;
图2b为本发明第二实施例提供的社交平台的用户影响力估算方法的应用示意图;
图3a为本发明第三实施例提供的社交平台的用户影响力估算装置的结构示意图;
图3b为本发明第三实施例提供的社交平台的用户影响力估算装置的另一结构示意图。
具体实施方式
请参照图式,其中相同的组件符号代表相同的组件,本发明的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本发明具体实施例,其不应被视为限制本发明未在此详述的其它具体实施例。
在以下的说明中,本发明的具体实施例将参考由一部或多部计算机所执行的步骤及符号来说明,除非另有述明。因此,这些步骤及操作将有数次提到由计算机执行,本文所指的计算机执行包括了由代表了以一结构化型式中的数据的电子信号的计算机处理单元的操作。此操作转换该数据或将其维持在该计算机的内存系统中的位置处,其可重新配置或另外以本领域测试人员所熟知的方式来改变该计算机的运作。该数据所维持的数据结构为该内存的实体位置,其具有由该数据格式所定义的特定特性。但是,本发明原理以上述文字来说明,其并不代表为一种限制,本领域测试人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。
本发明的原理使用许多其它泛用性或特定目的运算、通信环境或组态来进行操作。所熟知的适合用于本发明的运算系统、环境与组态的范例可包括(但不限于)手持电话、个人计算机、服务器、多处理器系统、微电脑为主的系统、主架构型计算机、及分布式运算环境,其中包括了任何的上述系统或装置。
本发明实施例提供一种社交平台的用户影响力估算方法及装置。
参见图1a,该图为本发明实施例所提供的社交平台的用户影响力估算方法的场景示意图,该场景中,可以包括社交平台的用户影响力估算装置,简称影响力估算装置,主要用于获取社交平台上的用户行为数据,比如,社交平台上用户对于好友个人发布的消息的互动信息,和/或社交平台上用户对于广告投放系统投放的广告的互动信息等,其后,根据这些用户行为数据,确定用户两两之间的影响力转移关系,并基于该影响力转移关系,估算所有用户在社交平台上的影响力排名,最后,可以根据所述影响力排名确定各用户的影响力。
此外,该场景中,还可以包括存储设备,主要用于存储社交平台上的用户行为数据,如社交平台上用户对于好友个人发布的消息的互动信息,和/或社交平台上用户对于广告投放系统投放的广告的互动信息等,供影响力估算装置调用处理。当然,该场景中还可以包括业务设备,如广告投放设备,用于根据影响力估算装置输出的用户影响力,向用户社交平台投放广告,等等。
以下将分别进行详细说明。
第一实施例
在本实施例中,将从影响力估算装置的角度进行描述,该影响力估算装置具体可以集成在服务器或网关等网络设备中。
一种社交平台的用户影响力估算方法,包括:获取社交平台上的用户行为数据;根据该用户行为数据,确定用户两两之间的影响力转移关系;基于影响力转移关系,估算用户在社交平台上的影响力排名;根据影响力排名确定各用户的影响力。
请参阅图1b,图1b是本发明第一实施例提供的社交平台的用户影响力估算方法的流程示意图,具体流程可以包括:
在步骤S101中,获取社交平台上的用户行为数据。
在步骤S102中,根据所述用户行为数据,确定用户两两之间的影响力转移关系。
其中,所述步骤S101与步骤S102可具体为:
本发明实施例中,社交平台可以具体包括微信朋友圈、微博、QQ空间等,用户可以在社交平台上分享自己的心情、关注朋友的状态以及了解一些热门话题、新闻等。
在某些实施方式中,可以设置一个社交平台对应一个数据库,影响力估算装置可以从这些数据库中,获取对应的社交平台上的用户行为数据;在某些实施方式中,可以将所有社交平台的数据进行整理,影响力估算装置可以从中获取用户行为数据,此处不作具体限定。
可具体的,比如“根据所述用户行为数据,确定用户两两之间的影响力转移关系”包括如下步骤:
1、根据获取到的用户行为数据,生成影响力转移矩阵;
2、根据影响力转移矩阵,确定用户两两之间的影响力转移关系。
也就是说,比如,可以将用户之间的影响力转移关系用影响力转移矩阵W∈R^(n×n)进行描述,其中,该影响力转移矩阵中的元素指示用户两两之间的影响力转移关系,即指示一个用户对另一个用户的影响力。
可以理解的是,在社交平台(如微信)中,用户影响力是用户改变和吸引其他用户行为的能力。影响力高的用户受到其好友的关注更高,发表的信息获取的评论和点赞个数更多,信息观点传播的速度更快。
进一步的,“根据用户行为数据,生成影响力转移矩阵”(即步骤1)的方式有很多,其中可具体包括:
11、基于用户行为数据确定第一互动信息和第二互动信息;
其中,该第一互动信息为社交平台上用户对于好友个人发布的消息的互动信息,该第二互动信息为社交平台上用户对于广告投放系统投放的广告的互动信息;
12、根据第一互动信息和第二互动信息生成影响力转移矩阵。
也就是说,本发明实施例中的用户行为数据可以包括用户对于好友个人发布的消息的互动信息(即第一互动信息),以及用户对于广告投放系统投放的广告的互动信息(即第二互动信息),影响力估算装置根据第一互动信息和第二互动信息来生成影响力转移矩阵,从而确定用户之间的影响转移关系。
比如,若需要确定用户A对用户B的影响力,则针对于微信朋友圈,第一互动信息可以具体为用户B对用户A所发布的消息的评论(或者点赞)的次数,第二互动信息可以具体为用户B在用户A评论(或者点赞)了某个广告后继续评论(或者点赞)的次数。
进一步的,生成影响力转移矩阵过程中,还需要确定如下参数,比如:第一互动信息还可以包括用户B对其所有好友个人发布消息的互动次数,第二互动信息还可以包括用户B在其所有好友个人于某个互动广告后的互动次数;另外,还需要确定设定朋友圈用户信息重要性权重值P,以及朋友圈广告上好友互动的重要性权重值Q,从而综合第一互动信息、第二互动信息重要性权重值P、重要性权重值Q,得到用户A对用户B的影响力。
容易想到的是,其他两两用户之间的影响力转移关系也可以参照上述方式进行确定,从而构造出影响力转移矩阵;另外,本实施例的重要性权重值P和Q的具体取值可以根据实际应用场景的关注比例进行确定,此处不作具体限定。
在步骤S103中,基于所述影响力转移关系,估算用户在所述社交平台上的影响力排名。
在步骤S104中,根据所述影响力排名确定各用户的影响力。
其中,所述步骤S103与步骤S104可具体为:
可以理解的是,由于影响力转移矩阵是描述用户两两之间的影响力转移关系,而本实施例是要对每个用户在整个社交网络中的影响力排名,因此,本实施例可以借鉴PageRank(网页排名)算法的思路,对用户影响力排名进行估算。
以下对PageRank算法作简单说明:
PageRank是Larry Page和Sergey Brin设计的用来衡量特定网页相对于搜索引擎中其他网页的重要性的算法,其计算结果作为google搜索结果中网页排名的重要指标。
由于网页之间通过超链接相互连接,互联网上不计其数的网页就构成了一张超大的图。PageRank假设用户从所有网页中随机选择一个网页进行浏览,然后通过超链接在网页直接不断跳转。到达每个网页后,用户有两种选择:到此结束或者继续选择一个链接浏览。该算法令用户继续浏览的概率为d,用户以相等的概率在当前页面的所有超链接中随机选择一个继续浏览。这可以认为是一个随机游走的过程。当经过多次这样的游走之后,每个网页被访问用户访问到的概率就会收敛到一个稳定值。这个概率就是网页的重要性指标,被用于网页排名。
如上所描述,互联网中不计其数的网页可以构成一个超大的图,图中的每一个节点是一个网页,超链接是图中的边,在这个图上PageRank通过随机游走的过程来对网页进行排名。基于此,在社交网络中,我们也可以构成一个超大的图,图中的每一个节点代表一个用户,用户之间的互动关系看成图中的边。同样的,我们可以把PageRank的算法应用到社交网络构成的图上,对用户进行排名、计算用户的影响力。
在本实施例中,“基于所述影响力转移关系,估算用户在所述社交平台上的影响力排名”可以包括:
a、获取用户在所述社交平台上的初始化影响力排名和历史影响力排名,所述历史影响力排名为上一时刻用户在所述社交平台上的影响力排名;
b、通过预设网页排名算法,基于所述影响力转移关系、所述初始化影响力排名以及历史影响力排名,估算当前影响力排名,所述当前影响力排名为当前时刻用户在所述社交平台上的影响力排名。
可以理解的是,基于PageRank思路,在社交网络上可以设计一个基于随机游走的影响力预估算法,随着时间的推移,用户在社交平台上的影响力排名会随之变化,该影响力预估算法中,在计算用户当前影响力排名之前,需要确定用户的初始化影响力排名以及上一时刻用户在所述社交平台上的影响力排名(可称历史影响力排名)。
更进一步的,在“估算当前影响力排名”之后,还需要对当前影响力排名进行分析,以确定用户的最终影响力排名,比如:
c、根据所述历史影响力排名以及所述当前影响力排名,估算用户最终影响力排名;
d、将该最终影响力排名确定为用户在所述社交平台上的影响力排名。
可具体的,“根据所述历史影响力排名以及所述当前影响力排名,估算用户最终影响力排名”,包括:若所述历史影响力排名以及所述当前影响力的差别满足预设收敛条件,则将当前影响力排名确定为最终影响力排名的估算结果。
也就是说,对于所有用户来说,随着时间的推移,用户在所述社交平台上的影响力排名会收敛到一个固定的值,而这个值就是最终影响力排名的估算结果,通过该影响力排名估算结果,可以确定出各用户在该社交平台上的影响力值。
由上述可知,本实施例提供的社交平台的用户影响力估算方法,首先根据社交平台上的用户行为数据,确定用户两两之间的影响力转移关系,其后基于影响力转移关系,估算用户在社交平台上的影响力排名,从而可以根据影响力排名确定用户的影响力;由于用户行为数据主要体现了用户在社交活动中的互动信息,而该方案主要根据用户行为数据确定用户之间的影响力转移关系,并基于影响力转移关系对用户的影响力进行估算的,因此相对于现有单靠基于好友覆盖程度来度量用户的社交影响力的方式,大大的提高了用户社交影响力估算的准确度和可信度,从而也提高了社交平台上信息投放的精确度。
第二实施例
根据第一实施例所描述的方法,以下将举例作进一步详细说明。
请参阅图2a,图2a为本发明第二实施例提供的社交平台的用户影响力估算方法的流程示意图,具体流程可以包括:
在步骤S201中,影响力估算装置获取用户行为数据,并根据用户行为数据,构建影响力转移矩阵。
首先,基于PageRank思想,在社交网络中,可以构成一个网络图,网络图中的每一个节点代表一个用户,用户之间的互动关系看成网络图中的边。
比如,在微信朋友圈的社交平台上,将用户之间的互动构成一个庞大的网络G={V,E},其中节点为V={u1,u2,…,un},n为用户个数,边为E={eij|ui和uj为好友}。在这个网络结构的基础上,根据第一互动信息和第二互动信息,构建影响力转移矩阵W∈R^(n×n),其中,该第一互动信息为社交平台上用户对于好友个人发布的消息的互动信息,该第二互动信息为社交平台上用户对于广告投放系统投放的广告的互动信息。
更进一步的,该影响力转移矩阵中的元素可根据如下公式进行确定:
其中Cij为用户j对用户i所发布的消息的评论(或者点赞)次数,Aij为用户j在用户i评论(或者点赞)了某个广告后继续评论(或者点赞)的次数,k∈N(uj)为用户j的所有邻居好友。α,β分别为朋友圈用户信息和朋友圈广告上好友互动的重要性权重值。由于我们更关注用户在广告上的影响力,因此一般会有α<β。
在步骤S202中,影响力估算装置基于预设网页排名算法及该影响力转移矩阵,生成影响力排名估算公式。
在步骤S203中,影响力估算装置获取用户在所述社交平台上的初始化影响力排名和历史影响力排名。
在步骤S204中,影响力估算装置基于所述初始化影响力排名和历史影响力排名,采用影响力排名估算公式计算当前影响力排名。
在步骤S205中,影响力估算装置判断所述历史影响力排名以及所述当前影响力的差别是否满足预设收敛条件。
若是,则执行步骤S206,若否,则返回执行步骤S204;
在步骤S206中,影响力估算装置将当前影响力排名确定为用户影响力排名的估算结果并输出。
其中,所述步骤S202至步骤S206可具体为:
由于,影响力转移矩阵中的元素w(i,j)描述的是用户i对用户j的影响力,也就是用户j会将注意力放在用户i的消息上的概率。即,w(i,j)描述的是用户两两之间的影响力转移关系,本发明实施例中,我们需要得到每个用户在整个社交网络中的影响力排名。因此,借鉴PageRank的思路,在社交网络G上设计一个基于随机游走的影响力预估算法(即影响力排名估算公式),其中算法的计算公式如下所示:
I(t+1)=bWIt+(1-b)I0 (2)
其中It∈R^(1×n)是一个向量,描述t时刻所有用户的影响力排名;当t=0时,I0的每一个元素值等于1/n;b为可调节超参数,根据经验值进行设定,一般设置在0.8-0.9之间。
基于该公式(2)可知,若需要知道当前影响力排名(即I(t+1)),需要先获取用户在所述社交平台上的初始化影响力排名(即I0)和历史影响力排名(即上一时刻的影响力排名It),随后,判断所述历史影响力排名以及所述当前影响力的差别是否满足预设收敛条件,若是,则将当前影响力排名确定为用户影响力排名的估算结果并输出。
也就是说,在公式(2)中,针对每一随机用户,从自己节点开始带着1/n的影响力值沿着网络中的边,以矩阵W中的影响力转移概率访问其邻居节点并将影响力按比例传递给邻居。当随着时间的推移,每个用户的影响力值It会收敛到一个固定的值,这个值就是最终的用户影响力排名。
为了更好的理解本发明技术方案,以下以一具体应用例进行分析说明:
可一并参考图2b,为该实施例中的好友互动的示意,假设微信朋友圈的互动网络由4个用户构成,他们之间的互动情况如图2b所示,其中,节点u1,u2,u3,u4表示4个用户,有向边表示用户之间的互动。
例如,有向边u4->u1表示用户u4对用户u1的行为,边上的两个数字分别表示用户u4对用户u1发布的消息有2次点赞,对用户u1评论的广告有1次跟进的评论。
其中在公式(1)中,为了便于计算,本实施例中可以设置α=0.5,β=0.5,其后,基于公式(1)计算出影响力转移矩阵为:
随后,基于公式(2),先初始化I0=(0.25,0.25,0.25,0.25),并可以设置b=0.85。接着,将W,I0,b代入进行迭代运算,从而当随着时间的推移,用户的影响力排名It会收敛到一个固定的值,这个值就是最终的用户影响力排名,由迭代计算可知,获得用户的最后的影响力排名It=(1.29,1.33,0.87,1.13),从而可以看出用户u2的影响力最大,u3的影响力最小。
若将本发明实施提供的社交平台的用户影响力估算方法,应用于微信用户影响力计算,则结合考虑用户在朋友圈广告和朋友圈个人信息上的互动记录构建影响力转移矩阵,并设计随机游走算法可以实现用户影响力预估;进一步的,将用户影响力预估结果应用于朋友圈中的广告投放,可以优先投放广告给高影响力用户,待广告系统收到这些用户的评论或者点赞后再投放给高影响力用户的好友,可以大大提高广告的互动率,达到更好的广告效益。
由上述可知,本实施例提供的社交平台的用户影响力估算方法,首先根据社交平台上的用户行为数据,确定用户两两之间的影响力转移关系,其后基于影响力转移关系,估算用户在社交平台上的影响力排名,从而可以根据影响力排名确定用户的影响力;由于用户行为数据主要体现了用户在社交活动中的互动信息,而该方案主要根据用户行为数据确定用户之间的影响力转移关系,并基于影响力转移关系对用户的影响力进行估算的,因此相对于现有单靠基于好友覆盖程度来度量用户的社交影响力的方式,大大的提高了用户社交影响力估算的准确度和可信度,从而也提高了社交平台上信息投放的精确度。
第三实施例
为便于更好的实施本发明实施例提供的社交平台的用户影响力估算方法,本发明实施例还提供一种基于上述社交平台的用户影响力估算方法的装置。其中名词的含义与上述社交平台的用户影响力估算的方法中相同,具体实现细节可以参考方法实施例中的说明。
请参阅图3a,图3a为本发明实施例提供的社交平台的用户影响力估算装置的结构示意图,该装置可以包括获取单元301、第一确定单元302、估算单元303以及第二确定单元304。
其中,所述获取单元301,用于获取社交平台上的用户行为数据;第一确定单元302,用于根据所述用户行为数据,确定用户两两之间的影响力转移关系。
本发明实施例中,社交平台可以具体包括微信朋友圈、微博、QQ空间等,用户可以在社交平台上分享自己的心情、关注朋友的状态以及了解一些热门话题、新闻等。
在某些实施方式中,可以设置一个社交平台对应一个数据库,影响力估算装置可以从这些数据库中,获取对应的社交平台上的用户行为数据;在某些实施方式中,可以将所有社交平台的数据进行整理,影响力估算装置可以从中获取用户行为数据,此处不作具体限定。
可以理解的是,在社交平台(如微信)中,用户影响力是用户改变和吸引其他用户行为的能力。影响力高的用户受到其好友的关注更高,发表的信息获取的评论和点赞个数更多,信息观点传播的速度更快。
由于影响力转移矩阵是描述用户两两之间的影响力转移关系,而本实施例是要对每个用户在整个社交网络中的影响力排名,因此,本实施例可以借鉴PageRank(网页排名)算法的思路,对用户影响力排名进行估算。
互联网中不计其数的网页可以构成一个超大的图,图中的每一个节点是一个网页,超链接是图中的边,在这个图上PageRank通过随机游走的过程来对网页进行排名。基于此,在社交网络中,我们也可以构成一个超大的图,图中的每一个节点代表一个用户,用户之间的互动关系看成图中的边。同样的,我们可以把PageRank的算法应用到社交网络构成的图上,对用户进行排名、计算用户的影响力。
估算单元303,用于基于所述影响力转移关系,估算用户在所述社交平台上的影响力排名;第二确定单元304,用于根据所述影响力排名确定各用户的影响力。
请一并参阅图3b,图3b为本发明实施例提供的社交平台的用户影响力估算装置的结构示意图;其中所述第一确定单元302,可以具体包括:
1、矩阵生成子单元3021,用于根据所述用户行为数据,生成影响力转移矩阵;
2、第一确定子单元3022,用于根据所述影响力转移矩阵,确定用户两两之间的影响力转移关系。
也就是说,比如,可以将用户之间的影响力转移关系用影响力转移矩阵W∈R^(n×n)进行描述,其中,该影响力转移矩阵中的元素指示用户两两之间的影响力转移关系,即指示一个用户对另一个用户的影响力。
进一步的,所述矩阵生成子单元3021,可以具体用于:
基于所述用户行为数据确定第一互动信息和第二互动信息,所述第一互动信息为社交平台上用户对于好友个人发布的消息的互动信息,所述第二互动信息为社交平台上用户对于广告投放系统投放的广告的互动信息;根据所述第一互动信息和所述第二互动信息生成影响力转移矩阵。
也就是说,本发明实施例中的用户行为数据可以包括用户对于好友个人发布的消息的互动信息(即第一互动信息),以及用户对于广告投放系统投放的广告的互动信息(即第二互动信息),影响力估算装置根据第一互动信息和第二互动信息来生成影响力转移矩阵,从而确定用户之间的影响转移关系。
比如,若需要确定用户A对用户B的影响力,则针对于微信朋友圈,第一互动信息可以具体为用户B对用户A所发布的消息的评论(或者点赞)的次数,第二互动信息可以具体为用户B在用户A评论(或者点赞)了某个广告后继续评论(或者点赞)的次数。
进一步的,生成影响力转移矩阵过程中,还需要确定如下参数,比如:第一互动信息还可以包括用户B对其所有好友个人发布消息的互动次数,第二互动信息还可以包括用户B在其所有好友个人于某个互动广告后的互动次数;另外,还需要确定设定朋友圈用户信息重要性权重值P,以及朋友圈广告上好友互动的重要性权重值Q,从而综合第一互动信息、第二互动信息重要性权重值P、重要性权重值Q,得到用户A对用户B的影响力。
容易想到的是,其他两两用户之间的影响力转移关系也可以参照上述方式进行确定,从而构造出影响力转移矩阵;另外,本实施例的重要性权重值P和Q的具体取值可以根据实际应用场景的关注比例进行确定,此处不作具体限定。
基于此,在本实施例中,所述估算单元303可以具体包括:
a、获取子单元3031,用于获取用户在所述社交平台上的初始化影响力排名和历史影响力排名,所述历史影响力排名为上一时刻用户在所述社交平台上的影响力排名;
b、估算子单元3032,用于通过预设网页排名算法,基于所述影响力转移关系、所述初始化影响力排名以及所述历史影响力排名,估算当前影响力排名,所述当前影响力排名为当前时刻用户在所述社交平台上的影响力排名。
可以理解的是,基于PageRank思路,在社交网络上可以设计一个基于随机游走的影响力预估算法,随着时间的推移,用户在社交平台上的影响力排名会随之变化,该影响力预估算法中,在计算用户当前影响力排名之前,需要确定用户的初始化影响力排名以及上一时刻用户在所述社交平台上的影响力排名(可称历史影响力排名)。
更进一步的,所述估算子单元304,还需要对当前影响力排名进行分析,以确定用户的最终影响力排名,比如,还可以用于根据所述历史影响力排名以及所述当前影响力排名,估算用户最终影响力排名,将所述最终影响力排名确定为用户在所述社交平台上的影响力排名。
可具体的,所述估算子单元304,还可以用于若所述历史影响力排名以及所述当前影响力的差别满足预设收敛条件,则将当前影响力排名确定为最终影响力排名的估算结果。
也就是说,对于所有用户来说,随着时间的推移,用户在所述社交平台上的影响力排名会收敛到一个固定的值,而这个值就是最终影响力排名的估算结果,通过该影响力排名估算结果,可以确定出各用户在该社交平台上的影响力值。
具体实施时,以上各个单元可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元的具体实施可参见前面的方法实施例,在此不再赘述。
该社交平台的用户影响力估算装置具体可以集成在服务器或网关等网络设备中。
由上述可知,本实施例提供的社交平台的用户影响力估算装置,首先根据社交平台上的用户行为数据,确定用户两两之间的影响力转移关系,其后基于影响力转移关系,估算用户在社交平台上的影响力排名,从而可以根据影响力排名确定用户的影响力;由于用户行为数据主要体现了用户在社交活动中的互动信息,而该方案主要根据用户行为数据确定用户之间的影响力转移关系,并基于影响力转移关系对用户的影响力进行估算的,因此相对于现有单靠基于好友覆盖程度来度量用户的社交影响力的方式,大大的提高了用户社交影响力估算的准确度和可信度,从而也提高了社交平台上信息投放的精确度。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见上文针对社交平台的用户影响力估算方法的详细描述,此处不再赘述。
本发明实施例提供的所述社交平台的用户影响力估算装置,譬如为计算机、平板电脑、具有触摸功能的手机等等,所述社交平台的用户影响力估算装置与上文实施例中的社交平台的用户影响力估算方法属于同一构思,在所述社交平台的用户影响力估算装置上可以运行所述社交平台的用户影响力估算方法实施例中提供的任一方法,其具体实现过程详见所述社交平台的用户影响力估算方法实施例,此处不再赘述。
需要说明的是,对本发明所述社交平台的用户影响力估算方法而言,本领域普通测试人员可以理解实现本发明实施例所述社交平台的用户影响力估算方法的全部或部分流程,是可以通过计算机程序来控制相关的硬件来完成,所述计算机程序可存储于一计算机可读取存储介质中,如存储在终端的存储器中,并被该终端内的至少一个处理器执行,在执行过程中可包括如所述社交平台的用户影响力估算方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random AccessMemory)等。
对本发明实施例的所述社交平台的用户影响力估算装置而言,其各功能模块可以集成在一个处理芯片中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中,所述存储介质譬如为只读存储器,磁盘或光盘等。
以上对本发明实施例所提供的一种社交平台的用户影响力估算方法及装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。

Claims (12)

1.一种社交平台的用户影响力估算方法,其特征在于,包括:
获取社交平台上的用户行为数据;
根据所述用户行为数据,确定用户两两之间的影响力转移关系;
基于所述影响力转移关系,估算用户在所述社交平台上的影响力排名;
根据所述影响力排名确定各用户的影响力。
2.根据权利要求1所述的社交平台的用户影响力估算方法,其特征在于,所述根据所述用户行为数据,确定用户两两之间的影响力转移关系,包括:
根据所述用户行为数据,生成影响力转移矩阵;
根据所述影响力转移矩阵,确定用户两两之间的影响力转移关系。
3.根据权利要求2所述的社交平台的用户影响力估算方法,其特征在于,所述根据所述用户行为数据,生成影响力转移矩阵,包括:
基于所述用户行为数据确定第一互动信息和第二互动信息,所述第一互动信息为社交平台上用户对于好友个人发布的消息的互动信息,所述第二互动信息为社交平台上用户对于广告投放系统投放的广告的互动信息;
根据所述第一互动信息和所述第二互动信息生成影响力转移矩阵。
4.根据权利要求1至3任一项所述的社交平台的用户影响力估算方法,其特征在于,所述基于所述影响力转移关系,估算用户在所述社交平台上的影响力排名,包括:
获取用户在所述社交平台上的初始化影响力排名和历史影响力排名,所述历史影响力排名为上一时刻用户在所述社交平台上的影响力排名;
通过预设网页排名算法,基于所述影响力转移关系、所述初始化影响力排名以及所述历史影响力排名,估算当前影响力排名,所述当前影响力排名为当前时刻用户在所述社交平台上的影响力排名。
5.根据权利要求4所述的社交平台的用户影响力估算方法,其特征在于,所述估算当前影响力排名之后,还包括:
根据所述历史影响力排名以及所述当前影响力排名,估算用户最终影响力排名;
将所述最终影响力排名确定为用户在所述社交平台上的影响力排名。
6.根据权利要求5所述的社交平台的用户影响力估算方法,其特征在于,所述根据所述历史影响力排名以及所述当前影响力排名,估算用户最终影响力排名,包括:
若所述历史影响力排名以及所述当前影响力的差别满足预设收敛条件,则将当前影响力排名确定为最终影响力排名的估算结果。
7.一种社交平台的用户影响力估算装置,其特征在于,包括:
获取单元,用于获取社交平台上的用户行为数据;
第一确定单元,用于根据所述用户行为数据,确定用户两两之间的影响力转移关系;
估算单元,用于基于所述影响力转移关系,估算用户在所述社交平台上的影响力排名;
第二确定单元,用于根据所述影响力排名确定各用户的影响力。
8.根据权利要求7所述的社交平台的用户影响力估算方法,其特征在于,所述第一确定单元,包括:
矩阵生成子单元,用于根据所述用户行为数据,生成影响力转移矩阵;
第一确定子单元,用于根据所述影响力转移矩阵,确定用户两两之间的影响力转移关系。
9.根据权利要求8所述的社交平台的用户影响力估算方法,其特征在于,所述矩阵生成子单元,具体用于:
基于所述用户行为数据确定第一互动信息和第二互动信息,所述第一互动信息为社交平台上用户对于好友个人发布的消息的互动信息,所述第二互动信息为社交平台上用户对于广告投放系统投放的广告的互动信息;根据所述第一互动信息和所述第二互动信息生成影响力转移矩阵。
10.根据权利要求7至9任一项所述的社交平台的用户影响力估算方法,其特征在于,所述估算单元包括:
获取子单元,用于获取用户在所述社交平台上的初始化影响力排名和历史影响力排名,所述历史影响力排名为上一时刻用户在所述社交平台上的影响力排名;
估算子单元,用于通过预设网页排名算法,基于所述影响力转移关系、所述初始化影响力排名以及所述历史影响力排名,估算当前影响力排名,所述当前影响力排名为当前时刻用户在所述社交平台上的影响力排名。
11.根据权利要求10所述的社交平台的用户影响力估算方法,其特征在于,所述估算子单元,还用于根据所述历史影响力排名以及所述当前影响力排名,估算用户最终影响力排名,将所述最终影响力排名确定为用户在所述社交平台上的影响力排名。
12.根据权利要求11所述的社交平台的用户影响力估算方法,其特征在于,所述估算子单元,还用于若所述历史影响力排名以及所述当前影响力的差别满足预设收敛条件,则将当前影响力排名确定为最终影响力排名的估算结果。
CN201610009657.3A 2016-01-07 2016-01-07 一种社交平台的用户影响力估算方法及装置 Active CN106952166B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201610009657.3A CN106952166B (zh) 2016-01-07 2016-01-07 一种社交平台的用户影响力估算方法及装置
PCT/CN2017/070503 WO2017118426A1 (zh) 2016-01-07 2017-01-06 社交平台的用户影响力估算方法、装置及计算机存储介质
US15/933,891 US20180211335A1 (en) 2016-01-07 2018-03-23 Method and apparatus for estimating user influence on social platform

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610009657.3A CN106952166B (zh) 2016-01-07 2016-01-07 一种社交平台的用户影响力估算方法及装置

Publications (2)

Publication Number Publication Date
CN106952166A true CN106952166A (zh) 2017-07-14
CN106952166B CN106952166B (zh) 2020-11-03

Family

ID=59273264

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610009657.3A Active CN106952166B (zh) 2016-01-07 2016-01-07 一种社交平台的用户影响力估算方法及装置

Country Status (3)

Country Link
US (1) US20180211335A1 (zh)
CN (1) CN106952166B (zh)
WO (1) WO2017118426A1 (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107894998A (zh) * 2017-10-24 2018-04-10 迅雷计算机(深圳)有限公司 视频推荐方法及装置
CN109242710A (zh) * 2018-08-16 2019-01-18 北京交通大学 社交网络节点影响力排序方法及系统
CN109948037A (zh) * 2017-11-24 2019-06-28 腾讯科技(深圳)有限公司 信息投放方法、装置及存储设备
CN110020154A (zh) * 2017-12-04 2019-07-16 北京京东尚科信息技术有限公司 用于确定用户影响力的方法及装置
CN110717823A (zh) * 2019-09-29 2020-01-21 支付宝(杭州)信息技术有限公司 一种信贷逾期风险识别方法和系统
CN111092804A (zh) * 2019-12-05 2020-05-01 腾讯科技(深圳)有限公司 信息推荐方法、信息推荐装置、电子设备和存储介质
CN111950865A (zh) * 2020-07-24 2020-11-17 黑龙江阳光惠远知识产权运营有限公司 一种识别核心专利的评价方法
CN113127696A (zh) * 2021-03-21 2021-07-16 武汉大学深圳研究院 一种提高基于行为的影响力度量准确性方法
CN113781250A (zh) * 2020-09-14 2021-12-10 北京沃东天骏信息技术有限公司 社交媒体信息传播评估方法和装置

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110071838A (zh) * 2019-04-29 2019-07-30 中国石油大学(华东) 一种基于链路预测的Android智能手机节能方法
WO2021028988A1 (ja) * 2019-08-09 2021-02-18 日本電気株式会社 ユーザ位置計算装置及び方法、活動範囲推定装置及び方法、並びにコンピュータ可読媒体
CN110942345B (zh) * 2019-11-25 2022-02-15 北京三快在线科技有限公司 种子用户的选取方法、装置、设备及存储介质
CN112732780B (zh) * 2020-12-30 2024-04-02 深圳市网联安瑞网络科技有限公司 人物网络活跃度计算方法、系统、处理终端、计算机设备
CN114170033A (zh) * 2021-09-13 2022-03-11 中国电子科技网络信息安全有限公司 基于关系强度计算的社交网络用户影响力分析方法
CN115865708B (zh) * 2023-02-14 2023-05-02 国家计算机网络与信息安全管理中心江苏分中心 一种基于sir-d模型的复杂社交网络信息处置方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100094904A1 (en) * 2008-10-14 2010-04-15 University Of Washington Green's function formulations for pagerank algorithm using helmholtz wave equation representations of internet interactions
CN102270204A (zh) * 2010-06-02 2011-12-07 上海佳艾商务信息咨询有限公司 一种基于矩阵分解对在线论坛用户影响力进行计算的方法
CN103678669A (zh) * 2013-12-25 2014-03-26 福州大学 一种社交网络中的社区影响力评估系统及方法
CN103886105A (zh) * 2014-04-11 2014-06-25 北京工业大学 一种基于社交网络用户行为的用户影响力分析方法
CN104035987A (zh) * 2014-05-30 2014-09-10 南京邮电大学 一种微博网络用户影响力排名方法
CN104268648A (zh) * 2014-09-28 2015-01-07 福州大学 融合用户多种交互信息和用户主题信息的用户排名系统
US8977617B1 (en) * 2012-10-31 2015-03-10 Google Inc. Computing social influence scores for users
JP5727421B2 (ja) * 2012-07-20 2015-06-03 日本電信電話株式会社 関連ノード検索装置、関連ノード検索方法、及びプログラム
CN105005918A (zh) * 2015-07-24 2015-10-28 金鹃传媒科技股份有限公司 一种基于用户行为数据和潜在用户影响力分析的在线广告推送方法及其推送评估方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663101B (zh) * 2012-04-13 2015-10-28 北京交通大学 一种基于新浪微博的用户等级排序算法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100094904A1 (en) * 2008-10-14 2010-04-15 University Of Washington Green's function formulations for pagerank algorithm using helmholtz wave equation representations of internet interactions
CN102270204A (zh) * 2010-06-02 2011-12-07 上海佳艾商务信息咨询有限公司 一种基于矩阵分解对在线论坛用户影响力进行计算的方法
JP5727421B2 (ja) * 2012-07-20 2015-06-03 日本電信電話株式会社 関連ノード検索装置、関連ノード検索方法、及びプログラム
US8977617B1 (en) * 2012-10-31 2015-03-10 Google Inc. Computing social influence scores for users
CN103678669A (zh) * 2013-12-25 2014-03-26 福州大学 一种社交网络中的社区影响力评估系统及方法
CN103886105A (zh) * 2014-04-11 2014-06-25 北京工业大学 一种基于社交网络用户行为的用户影响力分析方法
CN104035987A (zh) * 2014-05-30 2014-09-10 南京邮电大学 一种微博网络用户影响力排名方法
CN104268648A (zh) * 2014-09-28 2015-01-07 福州大学 融合用户多种交互信息和用户主题信息的用户排名系统
CN105005918A (zh) * 2015-07-24 2015-10-28 金鹃传媒科技股份有限公司 一种基于用户行为数据和潜在用户影响力分析的在线广告推送方法及其推送评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张玥 等: "识别网络论坛中有影响力用户", 《计算机研究与发展》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107894998B (zh) * 2017-10-24 2019-04-26 迅雷计算机(深圳)有限公司 视频推荐方法及装置
CN107894998A (zh) * 2017-10-24 2018-04-10 迅雷计算机(深圳)有限公司 视频推荐方法及装置
CN109948037A (zh) * 2017-11-24 2019-06-28 腾讯科技(深圳)有限公司 信息投放方法、装置及存储设备
CN110020154A (zh) * 2017-12-04 2019-07-16 北京京东尚科信息技术有限公司 用于确定用户影响力的方法及装置
CN109242710A (zh) * 2018-08-16 2019-01-18 北京交通大学 社交网络节点影响力排序方法及系统
CN110717823B (zh) * 2019-09-29 2022-08-02 支付宝(杭州)信息技术有限公司 一种信贷逾期风险识别方法和系统
CN110717823A (zh) * 2019-09-29 2020-01-21 支付宝(杭州)信息技术有限公司 一种信贷逾期风险识别方法和系统
CN111092804A (zh) * 2019-12-05 2020-05-01 腾讯科技(深圳)有限公司 信息推荐方法、信息推荐装置、电子设备和存储介质
CN111092804B (zh) * 2019-12-05 2022-03-08 腾讯科技(深圳)有限公司 信息推荐方法、信息推荐装置、电子设备和存储介质
CN111950865A (zh) * 2020-07-24 2020-11-17 黑龙江阳光惠远知识产权运营有限公司 一种识别核心专利的评价方法
CN113781250A (zh) * 2020-09-14 2021-12-10 北京沃东天骏信息技术有限公司 社交媒体信息传播评估方法和装置
CN113127696A (zh) * 2021-03-21 2021-07-16 武汉大学深圳研究院 一种提高基于行为的影响力度量准确性方法
CN113127696B (zh) * 2021-03-21 2024-07-12 武汉大学深圳研究院 一种提高基于行为的影响力度量准确性方法

Also Published As

Publication number Publication date
WO2017118426A1 (zh) 2017-07-13
US20180211335A1 (en) 2018-07-26
CN106952166B (zh) 2020-11-03

Similar Documents

Publication Publication Date Title
CN106952166A (zh) 一种社交平台的用户影响力估算方法及装置
Sheng et al. Identifying influential nodes in complex networks based on global and local structure
Ying et al. A temporal-aware POI recommendation system using context-aware tensor decomposition and weighted HITS
Logesh et al. A reliable point of interest recommendation based on trust relevancy between users
CN104462156B (zh) 一种基于用户行为的特征提取、个性化推荐方法和系统
Symeonidis et al. Geo-social recommendations based on incremental tensor reduction and local path traversal
CN108520303A (zh) 一种推荐系统构建方法及装置
CN111340522B (zh) 资源推荐方法、装置、服务器及存储介质
Shi et al. A social sensing model for event detection and user influence discovering in social media data streams
CN108446297B (zh) 一种推荐方法及装置,电子设备
CN109951377A (zh) 一种好友分组方法、装置、计算机设备和存储介质
Rahimi et al. Behavior-based location recommendation on location-based social networks
Ju et al. Relationship strength estimation based on Wechat Friends Circle
Jiang et al. Traveling salesman problems with PageRank Distance on complex networks reveal community structure
Golzardi et al. Detection of trust links on social networks using dynamic features
Shafik et al. Recommendation system comparative analysis: internet of things aided networks
You et al. QoS evaluation for web service recommendation
Wang et al. Influential nodes identification using network local structural properties
Liu et al. VGMF: visual contents and geographical influence enhanced point‐of‐interest recommendation in location‐based social network
Casillo et al. Recommender system for digital storytelling: A novel approach to enhance cultural heritage
Zhou et al. UFC: a unified POI recommendation framework
Huang et al. A statistical model for social network labeling
Xu et al. A novel travel group recommendation model based on user trust and social influence
Hao et al. An efficient approach to understanding social evolution of location-focused online communities in location-based services
Xu et al. Trust-based context-aware mobile social network service recommendation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant