CN107220901A - 一种家庭成员关系亲密度计算方法 - Google Patents
一种家庭成员关系亲密度计算方法 Download PDFInfo
- Publication number
- CN107220901A CN107220901A CN201710408081.2A CN201710408081A CN107220901A CN 107220901 A CN107220901 A CN 107220901A CN 201710408081 A CN201710408081 A CN 201710408081A CN 107220901 A CN107220901 A CN 107220901A
- Authority
- CN
- China
- Prior art keywords
- msub
- kinsfolk
- mrow
- relation
- represent
- 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.)
- Pending
Links
- 238000000205 computational method Methods 0.000 title claims abstract description 17
- 230000003993 interaction Effects 0.000 claims abstract description 59
- 239000011159 matrix material Substances 0.000 claims abstract description 19
- 230000000694 effects Effects 0.000 claims description 26
- 238000013507 mapping Methods 0.000 claims description 11
- 239000008280 blood Substances 0.000 claims description 10
- 210000004369 blood Anatomy 0.000 claims description 10
- 230000002068 genetic effect Effects 0.000 claims description 9
- 230000002452 interceptive effect Effects 0.000 claims description 8
- 230000007480 spreading Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 9
- 239000000463 material Substances 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 abstract description 2
- 239000000126 substance Substances 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 15
- 230000032683 aging Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 230000006854 communication Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 2
- 244000046052 Phaseolus vulgaris Species 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000001550 time effect Effects 0.000 description 2
- 101000911390 Homo sapiens Coagulation factor VIII Proteins 0.000 description 1
- 235000013290 Sagittaria latifolia Nutrition 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 235000015246 common arrowhead Nutrition 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010429 evolutionary process Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 102000057593 human F8 Human genes 0.000 description 1
- 238000010234 longitudinal analysis Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 229940047431 recombinate Drugs 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种家庭成员关系亲密度计算方法,首先计算家庭成员关系交互性指数、计算家庭成员关系扩展性指数、计算家庭成员关系继承性指数、计算家庭成员关系时效性指数、计算家庭成员关系亲密度指数;然后构建家庭亲密度模型。本发明采用数学形式化描述的方式和关系矩阵运算的度量方法,用于精确计算和衡量家庭成员关系中,基于符号网络的亲密度在时间序列上对家庭成员关系的亲疏程度造成的重要影响。本发明可较准确描述和解释家庭成员关系间随时间序列变化所呈现的不同网络结构,对家庭成员关系中各成员间亲疏关系可依据符号社交网络进行推断与描述。另外,可对随时间变化的家庭成员关系亲密度从符号社交网络的角度进行合理化解释与量化计算。
Description
技术领域
本发明属于符号社交网络中社交关系的研究领域,具体涉及一种家庭成员间关系的亲疏程度计算方法。
背景技术
随着社交网络的迅猛发展,社交网络中呈现形态各异的各种网络结构和网络关系。在线社交网络已逐渐成为连接各类网络信息和人类现实世界不可或缺的纽带。对社交网络的深度剖析能帮助人们更好的理解社交网络的构造机理、网络中用户的行为模式和网络结构的演化过程(文献1-3)。其中,著名的社交平衡理论(文献4)对社交网络中最基本的群体结构做了深刻的诠释,最简单的三角关系是无向网络中的三角结构。三角结构描述了社交网络中用户关系的四种结构,如图1所示。
图1中给出了用户间构造朋友和非朋友关系的四种可能性组合,对三人间友好或敌对的关系进行了研究。但是,社交网络中的用户关系并非只是友好或敌对关系这么简单。事实上,对建立朋友关系的用户之间,受到某些因素的影响和制约时,这种看似牢固的用户关系也会随之被打破(朋友与非朋友会相互转化)。而这种社交关系被破坏的现象在家庭成员关系间表现的尤为常见。
当前,国内外学者针对社交网络领域的研究做了很多的相关工作,主要可概括为以下几个方面:
社交网络关系的定性分析:主要涉及用户建立关联与地理分布、同质性的关系,和它们在隐式交互、社交平衡理论中存在的用户关系。
地理分布:社交网络中,用户行为与地理位置呈现关联关系,例如,基于微博平台上“互粉”关系与现实生活中人们的地理区域划分存在互推断关系(文献5-6)。社交网络打破了现实生活中人们的地理差距,用户关联的建立不会过于受到地理因素的限制。
同质性:具有相似特性(性别、身份等)的用户更倾向于建立彼此间的社交关系,即基于某种特性的社交网络(文献7)。用户间的多链路关联关系会使得链路同质性表现的愈加明显,而基于某种特性的同质性会大大加强用户间建立关联关系的概率(文献8-9)。
隐式交互:隐式交互的提取来自于用户的“提到”(“@”)和“转发”行为。当用户间存在互动(“提到”或“转发”)行为时,用户间建立关联的概率将增大(文献10-11)。
社交平衡理论:主要研究三人间的友好或敌对关系(文献4、12)。该理论认为,“朋友-朋友-朋友”的社会关系比“朋友-朋友-敌人”更常见,也更加稳定。而建立双边结构关系的用户形成平衡结构的概率比单边结构更大。
闭合社交网络的规律的研究主要包括动态性规律和传播性规律两大类。
闭合社交网络的动态规律:主要涉及用户属性和他们所对应的网络结构,以及他们相应的社会属性。
用户属性:主要包括用户的check-ins(登入所在地理位置)、用户资料、用户兴趣点等(文献13、17)。这些用户属性可以由同质性构成一定的社交网络结构,并且这种结构会随着时间的变化而展现出动态性的变化规律。同样,用户属性与地理位置相结合的研究对于构造社交网络的闭合概率具有一定的指导意义(文献14-15)。
闭合社交网络的传播定律:社交网络中构造的闭合用户结点间会相互产生影响,继而形成三角形闭合传播效应(文献16)。
基于大量的研究成果表明,家庭成员中的家庭成员关系亲密度会随着时间的推移而发生动态性的改变,这种变化规律事先无法确定,但是这种变化的结果却可以用来衡量家庭各成员之间的亲密程度。而这种家庭成员关系亲密度的精确计算,则可以用于解释为什么原本非常亲密的家庭成员关系,会随着时间的推移变得不那么亲密;为什么单亲家庭的孩子成长过程中会导致心理健康发生变化;为什么留守儿童会因为家庭成员结构的扭曲而与众不同等等。同时,与一般社交关系不同之处在于,家庭成员关系亲密度计算的初始条件在通常情况下是基于血缘关系的。因此,这类社交关系网络与一般的社交网络关系相比更有其特殊点。
参考文献:
[文献1]L.Backstrom,D.Huttenlocher,J.Kleinberg,and X.Lan.Groupformation in large social networks:membership,growth,and evolution.In KDD’06.pp.44~54,2006.
[文献2]D.M.Romero and J.M.Kleinberg.The Directed Closure Process inHybrid Social-Information Networks,with an Analysis of Link Formation onTwitter.ICWSM.2010.
[文献3]Jie Tang,Hong Huang,Jing Zhang et al.Triangle lawin socialnetwork[J].Communications of CCF(China Computer Federation)
[文献4]F.Heider.The Psychology of Interpersonal Relation.John Wiley&Sons,1958.
[文献5]Fung Wong,Baorong Zhong,Wei Yu,Shijun Li,Botao Liu.A MutualInference Model Based On User Roles and Urban Functional Zones[J].Journal ofFrontiers of Computer Science and Technology.2016.
[文献6]Fung Wong,Wei Yu,Shijun Li.Evaluation of User CredibilityBased on Sina Weibo Platform[J].Journal of Frontiers of Computer Science andTechnology,2013,7(12):1125-1134.
[文献7]P.F.Lazarsfeld and R.K.Merton.Friendship as a social process:Asubstantive and methodological analysis.Freedom and control in modernsociety,1954,18(1):18~66.
[文献8]J.He,J.Hopcroft,H.Liang,S.Suwajanakorn,and L.Wang.Detectingthe structure of social networks using(α,β)-communities.In WAW’11.pp.26~37,2011.
[文献9]L.Page,S.Brin,R.Motwani,and T.Winograd.The pagerank citationranking:Bringing order to the web.Tech.Rep.SIDL-WP-1999-0120,StanfordUniversity,1999.
[文献10]Z.Fang and J.Tang,Uncovering the formation of triadic closurein social networks.In IJCAI'15.pp.2062~2068,2015.
[文献11]J.E.Hopcroft,T.Lou,and J.Tang.Who Will Follow You Back?Reciprocal Relationship Prediction.In CIKM'11.pp.1137~1146,2011.
[文献12]D.Easley and J.Kleinberg.Networks,Crowds,and Markets:Reasoning about a Highly Connected World,Cambridge University Press,2010.
[文献13]Wang Feng,Yu Wei,Li Shijun.Study of POI-s recommendationbased on a PMR framework[J].SCIENTIA SINICA Informationis,45(11):1503-1520,2015.
[文献14]H.Huang,J.Tang,S.Wu,L.Liu,and X.Fu.Mining Triadic ClosurePatterns in Social Networks.In WWW'14,pp.499~504,2014.
[文献15]H.Huang,J.Tang,L.Liu,J.Luo,and X.Fu.Triadic Closure PatternAnalysis and Prediction in Social Networks.IEEE Transaction on Knowledge andData Engineering,2015,27(12):3374~3389.
[文献16]J.H.Fowler and N.A.Christakis.The Dynamic Spread of Happinessin a Large Social Network:Longitudinal Analysis Over 20Years in theFramingham Heart Study.British Medical Journal,2008.
[文献17]Wang Feng,Shijun Li.Research of W5Model Based on DynamicContextawareness[J].Journal of University of Electronic Science andTechnology of China,2016,45(3):429-435.
发明内容
为了精确计算和衡量家庭成员关系中,亲密度对家庭成员关系的亲疏程度造成的重要影响,本发明提出了一种家庭成员关系亲密度计算方法。
本发明所采用的技术方案是:一种家庭成员关系亲密度计算方法,其特征在于:首先计算家庭成员关系交互性指数HRi、计算家庭成员关系扩展性指数HRe、计算家庭成员关系继承性指数HRs、计算家庭成员关系时效性指数HRt、计算家庭成员关系亲密度指数HRc;
表示家庭成员关系交互性指数HRi的梯度;HRp表示家庭成员关系交互点;HRf表示家庭成员之间交流情况,HRf=0,表示家庭成员之间无交流;HIa表示人们在从事社交活动时人与人之间交互接受度;
HRe(i,j)表示可扩展对象j与被扩展对象i之间的亲疏程度;e为扩展系数,介于0-1之间;HRj→i表示可扩展对象j对被扩展对象i的亲密度,HRi→j表示被扩展对象i对可扩展对象j的亲密度;
表示可继承对象j与被继承对象i之间的亲疏程度;s为继承系数,介于0-1之间;
表示家庭成员关系建立的起始时刻为t1,终止时刻为t2;
然后构建家庭亲密度模型如下:
其中,HRinf表示家庭成员关系,HRinf+表示家庭成员关系取正值,HRinf-表示家庭成员关系取负值;HRpi表示表示家庭成员i与其他家庭成员的家庭成员关系交互点,表示家庭成员i与其他家庭成员无交互点,n表示家庭成员数;HRb为家庭成员关系中与生俱来的血缘关系,HRb>0,表示家庭成员之间有血缘关系;HRb=0表示人与人之间无血缘关系;
HIif表示家庭亲密度影响因子,指的是影响家庭成员关系亲密度的影响因素,这些影响因素主要包括:主观重要程度Subim、事件影响度Ein、能量共处时间Tenergy;主观重要程度Subim用于表征家庭成员间在主观认识上对其他家庭成员认为的重要程度,形式化为其中fmi和fmj分别表示家庭成员i和成员j,箭头指向表示影响力的影响方向,ranking表示重要程度的排名,排名首位取0;事件影响度Ein用于表征与家庭成员相关的事件对该成员的影响程度,形式化为其中Ek_Fmi表示家庭成员i对事件k的主观认识或立场,Fmj表示家庭成员j,箭头指向表示影响力的方向;能量共处时间Tenergy用于表征家庭成员间以能量行为的形式共同相处的时间,形式化表示为其中fmi和fmj分别表示家庭成员i和成员j,箭头的指向表示交互活动从交流者指向被交流者。
相对于现有技术,本发明的有益效果是:建立了基于家庭成员关系的符号社交网络研究的雏形,并以此为研究对象对其中的各项属性(亲密度及其影响因素、时效性等)和关系(继承性、可扩展性等)进行了定义,并通过合理的计算方法对这些属性和它们之间的关系进行量化计算。通过对这些属性和方法的研究,能够对社交网络研究领域中的家庭成员关系进行较精确的描述。通过对本专利中涉及的相关计算方法的合理运用,可用来解释现实生活中发生在家庭成员关系间的各种家庭现象(如留守儿童、单亲家庭、煮豆燃箕、父慈子孝等)。同时,这些理论和计算方法为指导家庭成员关系向着温馨和睦的方向发展提供了较大的参考实用价值和应用前景。另外,对这些属性和方法的扩展,可为进一步研究基于符号社交网络的家庭关系亲密度的研究奠定坚实的理论基础。
附图说明
图1为本发明背景技术中无向网络中的四种三角结构示意图;
图2为本发明实施例的家庭成员关系亲密度计算方法的研究体系示意图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及实施例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
家庭成员关系的亲密度是针对社交关系网络中各家庭成员之间关系而特别设定的一种度量标准,该度量标准的设定专用于衡量家庭成员间的亲疏程度,同时可用于间接反映家庭网络结构随时间推移而呈现出规律性的周期变化。
本发明提供的一种家庭成员关系亲密度计算方法,首先计算家庭成员关系交互性指数HRi、计算家庭成员关系扩展性指数HRe、计算家庭成员关系继承性指数HRs、计算家庭成员关系时效性指数HRt、计算家庭成员关系亲密度指数HRc;然后构建家庭亲密度模型。
请见图2,家庭成员关系亲密度计算方法研究的内容主要包括:家庭成员关系的交互性、家庭成员关系的扩展性、家庭成员关系的继承性、家庭成员关系的时效性、家庭成员关系的亲密度。其应用场景主要包括:家庭成员关系交互点的确定,家庭成员关系的可扩展移植,家庭成员结构的扩展与维持,家庭成员关系间的亲疏关系推断,家庭成员关系结构的预测与描述,家庭成员与家庭成员关系重组,亲密度模型与计算方法。
在阐述家庭成员关系的交互性之前,首先提出家庭成员关系交互点的概念。家庭成员关系交互点:简称交互点,用HRp表示,所谓交互点指的是导致家庭成员间从事各种家庭交互活动时所产生的契合点,契合点越多则表明家庭成员之间的关系越密切。它主要包括:从事家庭活动的共享利益或资源、共有话题、共同兴趣点、共同任务或目标等。例如,家庭成员中的每个人从出生开始就与家人之间一起生活,逐渐会培养出共同的话题和兴趣点,家庭收入总额是家庭的共同任务或目标之一。因此,家庭成员关系的交互点会在他们成长过程中逐渐增多,从而增进家庭成员间的亲密度。但是,留守儿童在其成长过程中,虽然有其他家人的关爱,但是由于缺少父母的温暖同样也会对他们和父母间的家庭亲密度造成影响。由此,也引出了另一个影响家庭亲密度的重要因素,亲密度影响因子。
家庭亲密度影响因子:简称亲密度影响因子,用HIif表示。所谓亲密度影响因子指的是影响家庭成员关系亲密度的影响因素。这些因素主要包括:某家庭成员在主观认识上的重要程度(主观重要程度Subim),发生与家庭成员相关的事件某成员对事件的态度对其他成员的影响程度(事件影响度Ein),成员间以能量的形式共同相处的时间(能量共处时间Tenergy)等。
①主观重要程度Subim用于表征家庭成员间在主观认识上对其他家庭成员认为的重要程度。可被形式化为其中fmi和fmj分别表示家庭成员i和成员j,箭头指向表示影响力的影响方向,ranking表示重要程度的排名,排名首位取0。例如。一般而言,在一个家庭里妈妈对于任何孩子的主观重要程度都是首位的。因此,这种主观重要程度可被形式化为Subim(m→c,0),其中妈妈缩写为m(mother的首字母),小孩缩写为c(children的首字母),0表示主观重要程度排名的首位,后续依次排名为1,2,…。
②事件影响度Ein用于表征与家庭成员相关的事件对该成员的影响程度。可被形式化为其中Ek_Fmi表示家庭成员i对事件k的主观认识或立场,Fmj家庭成员j,箭头指向表示影响力的方向。例如,高考失利对孩子本身是一次人生打击,但家长针对高考失利事件对孩子发表的立场性言论却会影响他们与孩子间的亲密度。
③能量共处时间Tenergy用于表征家庭成员间以能量行为的形式共同相处的时间。可形式化表示为其中,fmi和fmj分别表示家庭成员i和成员j,箭头的指向表示交互活动从源对象(交流者)指向目的对象(被交流者)。能量行为在本专利中可分为正能量行为和负能量行为。家庭成员在相处过程中,常见的正能量行为包括鼓励,表扬,赞许,激励等增进家庭成员关系亲密度的行为;而常见的负能量行为包括批评、打骂、讽刺、讥笑等降低家庭成员关系亲密度的行为。因此,能量共处时间可相应的分为正能量共处时间Te_pos和负能量共处时间Te_neg,Tenergy={Te_pos,Te_neg}。Tenergy的取值越大,表明家庭成员间相处时间越长,对家庭亲密度的影响也越大。当交流者以正能量共处时间作用于被交流者时,Tenergy取值为正且逐渐增大;当交流者以负能量共处时间作用于被交流者时,Tenergy取值为负且逐渐增大。因此Tenergy的取值范围为-max~+max。
家庭成员关系的交互性:用HRi表示,指家庭成员们从事家庭交互活动过程中产生的文字、声音、肢体、图片、视频等一系列能够使彼此之间相互沟通的交互形式。它产生于家庭成员之间产生交互活动的过程中。例如,夫妻间因某话题的沟通,双亲与子女间的亲密肢体动作,家庭成员间为了沟通的需要,在交互过程中产生的文字、语音、图片、视频等,这些都是家庭成员关系交互性的直观体现。因此,可将交互性形式化表示为其中forms={Text|Voice|body|picture|Video}。
家庭成员关系的扩展性:用HRe表示,家庭成员关系指的是基于婚姻、血缘或法律拟制而形成的一定范围的亲属之间的权利和义务关系。家庭成员关系包括:夫妻关系、亲子关系和其他家庭成员之间的关系。这些关系之间随着享有物质和精神活动过程的变化可相互转化和扩展。例如,原本的同学关系由于婚姻而扩展为夫妻关系。家族企业里面的父子既是亲属关系,同时也可扩展为上下级关系。因此,可将扩展性形式化表示为其中exe_r表示家庭成员i和成员j扩展后的成员关系类型。fmi_fmj表示被扩展的家庭成员对象。
家庭成员关系的继承性:用HRs表示,继承性在家庭成员关系里表现的较为普遍,几乎每个家庭成员关系都享有继承性的规律。同时,继承性对家庭成员关系亲密度具有较大的影响。为了较为清晰的描述继承性,在此引用社交网络中“阶次”的概念进行说明。例如在家庭财产继承关系中,某用户(0阶节点)的财产由他的子节点(1阶节点)继承,而1阶节点用户的财产由他的子节点(2阶节点)继承。0、1、2这三级节点之间存在亲属关系,其亲密度表现为0和1、1和2之间更为亲密,因此可认为0与2的亲密度小于0和1。事实上,即便都是亲属,父子关系的亲密度一般而言都高于祖孙关系。
家庭成员关系的时效性:用HRt表示,时效性指的是家庭成员关系维持在时间维度上表现出亲密度的有效性。例如,一对非常亲密(具有高亲密度)的夫妻关系,如果在相当长的时间内彼此相互之间不联系不沟通,其亲密度在时间维度上也会逐渐降低甚至消失,从而导致家庭婚姻关系的难以维系,甚至破裂。因此,时效性可形式化为其中T表示时效衰减的取值,箭头表示衰减方向,fmi_fmj表示被扩展的家庭成员对象。T的取值为0~+max,当T=0时,表明家庭成员间有可能长时间未产生交互从而导致亲密度有效性逐渐呈现衰弱的趋势;当T=max时,表明家庭成员间一直保持交互的新鲜感,从而导致亲密度有效性逐渐呈现增强的趋势。
家庭成员关系的亲密度:用HRc表示,家庭成员关系的亲密度指的是家庭成员在从事家庭活动中表现出来的成员间关系的亲疏程度。例如,在家庭成员关系中,母子关系通常表现的亲密度最高。其次,可以是夫妻关系、父子关系、祖孙关系、甥舅关系、叔侄关系等。因此,本专利的阐述会对家庭成员关系的亲密度加以量化,并同时找出影响社会关系亲密度的因素。
通过研究发现,影响社会关系亲密度的因素主要包括:家庭成员关系交互点(HRp)、血缘亲疏关系(HRb)、交互频次(HRf)、交互影响力(正Rinf+、负Rinf-)、家庭亲密度影响因子(Subim、Ein和Tenergy)。交互影响力的正负与家庭成员间的交互接受度正相关。在给出各影响因素的正反比关系之前,首先对交互接受度进行诠释。
交互接受度:用HIa表示。用以表示家庭成员间通过一定方式进行交流时,使得对方(被交流者)接受自己(交流者)交互方式的程度。例如,“忠言逆耳”一词,不同的人对待忠言的态度是不同的。因此,其交互接受度也不同。交互接受度Ia的取值范围为-max~+max,因此交互影响力的取值范围可选为0~1。当Ia=-max时,被交流者排斥性最大,此刻Rinf+=0,Rinf-=1,表明交流者对被交流者无正交互影响力,且负交互影响力最大;当Ia=0时,被交流者排斥性为零,此刻Rinf+=0,Rinf-=0,表明交流者对被交流者既无正交互影响力,也无负交互影响力;当Ia=+max时,被交流者接受性最大,此刻Rinf+=1,Rinf-=0,表明交流者对被交流者无正交互影响力,且负交互影响力为零。
故:
表示家庭成员关系交互性指数HRi的梯度;HRp表示家庭成员关系交互点;HRf表示家庭成员之间交流情况,HRf=0,表示家庭成员之间无交流;HIa表示人们在从事社交活动时人与人之间交互接受度;
HRe(i,j)表示可扩展对象j与被扩展对象i之间的亲疏程度;e为扩展系数,介于0-1之间;HRj→i表示可扩展对象j对被扩展对象i的亲密度,HRi→j表示被扩展对象i对可扩展对象j的亲密度;
表示可继承对象j与被继承对象i之间的亲疏程度;s为继承系数,介于0-1之间;
表示家庭成员关系建立的起始时刻为t1,终止时刻为t2;
然后构建家庭亲密度模型如下:
其中,HRinf表示家庭成员关系,HRinf+表示家庭成员关系取正值,HRinf-表示家庭成员关系取负值;HRpi表示表示家庭成员i与其他家庭成员的家庭成员关系交互点,表示家庭成员i与其他家庭成员无交互点,n表示家庭成员数;HRb为家庭成员关系中与生俱来的固有属性,随着人的出生,HRb随之确定。HRb>0,表示家庭成员之间有血缘关系;HRb=0表示人与人之间无血缘关系。从公式1中可以看出,家庭成员关系交互点越多,家庭成员关系亲密度HRc越大(i=1…n,表示交互点的个数);血缘关系越近,HRb的取值越大,则家庭成员关系亲密度HRc也越大;交互频次HRf越大,表明家庭成员关系之间的交互活动越频繁,家庭成员关系亲密度HRc越大;若HRinf取正值,表示家庭成员之间的关系为友好;HRinf为0,表示人与人之间的关系为中立;HRinf取负值,表示人与人之间的关系为敌对。
值得说明的,由家庭成员之间的性格、成长经历、兴趣爱好等因素决定,它对“志趣相投”一次做了很好的诠释。HRf×HIa表明,当家庭成员之间的交互接受度为正时,交互越频繁,会使得家庭成员关系亲密度增大;而当交互接受度为负时,交互越频繁,却反而会导致家庭成员关系亲密度的较小。同时,当公式1中HRb>0时,也可能存在的情况,此时可用于解释现实生活中诸如“煮豆燃箕”等现象。
在公式1中仅给出了影响家庭成员关系亲密度的各因素之间的关系,但无法对各因素在家庭成员之间进行交互影响的细节加以描述。因此,接下来将给出在社交网络中,各因素影响家庭成员之间的交互活动的关系模型。
如公式2所示,给出了家庭成员之间关于交互点的关系矩阵,用于描述家庭成员在从事各种交互活动过程中,导致他们之间亲密度发生改变的诱因。
其中,HRp表示家庭成员关系交互点,用矩阵表示,该矩阵所对应的行列式计算出的数值用来表示家庭成员关系交互点的数值。HRU→U'用以标识家庭成员关系矩阵中用户间的映射关系。Cij(i,j=1…n)用以表示家庭成员间的交互点的个数,其中Cij(i=j)==1,用于表示用户与自身的交互点映射关系恒等不变。
如公式3所示,给出了家庭成员之间关于血缘的关系矩阵,用于描述他们在社会关系中是否具有如同血缘一般,导致亲密度具有这项与生俱来的固有属性。
其中,HRb为家庭成员关系中与生俱来的血缘关系,用矩阵表示。HRU→U'用以标识血缘关系矩阵中用户间的映射关系。Pij(i,j=1…n)用以表示家庭成员间血缘关系的亲疏程度,现假设用户本人的血缘映射关系Pij(i=j)==1,那么用户与其他亲属时间的血缘映射关系在亲疏程度Pij(i,j=1…n)方面的取值可参照“九族五服图”中关于亲属间亲疏程度的界定标准。例如,当用户本人(0阶节点)被界定取值为1时,第n阶节点的亲疏程度取值可表示为
如公式4所示,给出了家庭成员之间在交互频次上的关系矩阵,用于描述他们在家庭成员关系中,从事交互活动的频率。
其中,HRf表示家庭成员之间交流情况,用矩阵表示。HRU→U'用以标识用户间的交互性映射关系。Pij(i,j=1…n)用以表示用户之间在单位时间内从事交互活动的次数,次数越高表明成员间从事交互活动越频繁。现假设用户与本人间的交互频次存在映射关系Pij(i=j)==1,那么不同用户间的交互频次可利用Pij(i≠j)进行统计。
如公式5所示,给出了家庭成员之间在交流过程中计算交互接受度的关系矩阵,用于描述各成员在从事交互活动过程中,用户采用的交互方式能使被交流者接受的可能性。
其中,HIa表示人们在从事社交活动时人与人之间交互接受度,用矩阵表示。HRU→U'用以标识用人与人之间的交互接受度映射关系。Pij(i,j=1…n)用以表示用人与人之间进行交互所采用的交互方式能够被对方接受的程度,即交互接受度。在此,假设用户对自己所采用的社交方式能够完全接受,故而可将Pij(i=j)取值为1。由此,可界定被交流者对交流者在交流过程中所采用的交流方式的接受程度为-max≤Pij≤max,max表示完全可接受,-max表示完全不可接受,max的取值大小可根据实际应用场景灵活且合理的设定。
应当理解的是,本说明书未详细阐述的部分均属于现有技术。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (6)
1.一种家庭成员关系亲密度计算方法,其特征在于:首先计算家庭成员关系交互性指数HRi、计算家庭成员关系扩展性指数HRe、计算家庭成员关系继承性指数HRs、计算家庭成员关系时效性指数HRt、计算家庭成员关系亲密度指数HRc;
表示家庭成员关系交互性指数HRi的梯度;HRp表示家庭成员关系交互点;HRf表示家庭成员之间交流情况,HRf=0,表示家庭成员之间无交流;HIa表示人们在从事社交活动时人与人之间交互接受度;
HRe(i,j)表示可扩展对象j与被扩展对象i之间的亲疏程度;e为扩展系数,介于0-1之间;HRj→i表示可扩展对象j对被扩展对象i的亲密度,HRi→j表示被扩展对象i对可扩展对象j的亲密度;
表示可继承对象j与被继承对象i之间的亲疏程度;s为继承系数,介于0-1之间;
表示家庭成员关系建立的起始时刻为t1,终止时刻为t2;
然后构建家庭亲密度模型如下:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>HR</mi>
<mi>c</mi>
</msub>
<mo>=</mo>
<msub>
<mi>HR</mi>
<mi>inf</mi>
</msub>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>HR</mi>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
</msub>
<mo>+</mo>
<msub>
<mi>HR</mi>
<mi>b</mi>
</msub>
<mo>+</mo>
<msub>
<mi>HR</mi>
<mi>f</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>HI</mi>
<mi>a</mi>
</msub>
<mo>+</mo>
<msub>
<mi>HI</mi>
<mi>f</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>HR</mi>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
</msub>
<mo>+</mo>
<msub>
<mi>HR</mi>
<mi>b</mi>
</msub>
<mo>+</mo>
<msub>
<mi>HR</mi>
<mi>f</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>HI</mi>
<mi>a</mi>
</msub>
<mo>></mo>
<mn>0</mn>
<mo>,</mo>
<msub>
<mi>HR</mi>
<mi>inf</mi>
</msub>
<mo>=</mo>
<msub>
<mi>HR</mi>
<mrow>
<mi>inf</mi>
<mo>+</mo>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>HR</mi>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
</msub>
<mo>+</mo>
<msub>
<mi>HR</mi>
<mi>f</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>HI</mi>
<mi>a</mi>
</msub>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<msub>
<mi>HR</mi>
<mi>inf</mi>
</msub>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>HR</mi>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
</msub>
<mo>+</mo>
<msub>
<mi>HR</mi>
<mi>b</mi>
</msub>
<mo>+</mo>
<msub>
<mi>HR</mi>
<mi>f</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>HI</mi>
<mi>a</mi>
</msub>
<mo><</mo>
<mn>0</mn>
<mo>,</mo>
<msub>
<mi>HR</mi>
<mi>inf</mi>
</msub>
<mo>=</mo>
<msub>
<mi>HR</mi>
<mrow>
<mi>inf</mi>
<mo>-</mo>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>HI</mi>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
<mo>&NotEqual;</mo>
<mi>i</mi>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>Sub</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>fm</mi>
<mi>i</mi>
</msub>
<mo>&RightArrow;</mo>
<msub>
<mi>fm</mi>
<mi>j</mi>
</msub>
<mo>,</mo>
<mi>r</mi>
<mi>a</mi>
<mi>n</mi>
<mi>k</mi>
<mi>i</mi>
<mi>n</mi>
<mi>g</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>E</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>E</mi>
<mrow>
<mi>k</mi>
<mo>-</mo>
</mrow>
</msub>
<msub>
<mi>Fm</mi>
<mi>i</mi>
</msub>
<mo>&RightArrow;</mo>
<msub>
<mi>Fm</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>T</mi>
<mrow>
<mi>e</mi>
<mi>n</mi>
<mi>e</mi>
<mi>r</mi>
<mi>g</mi>
<mi>y</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>fm</mi>
<mi>i</mi>
</msub>
<mo>&RightArrow;</mo>
<msub>
<mi>fm</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
</mrow>
其中,HRinf表示家庭成员关系,HRinf+表示家庭成员关系取正值,HRinf-表示家庭成员关系取负值;HRpi表示表示家庭成员i与其他家庭成员的家庭成员关系交互点,表示家庭成员i与其他家庭成员无交互点,n表示家庭成员数;HRb为家庭成员关系中与生俱来的血缘关系,HRb>0,表示家庭成员之间有血缘关系;HRb=0表示人与人之间无血缘关系;
HIif表示家庭亲密度影响因子,指的是影响家庭成员关系亲密度的影响因素,这些影响因素主要包括:主观重要程度Subim、事件影响度Ein、能量共处时间Tenergy;主观重要程度Subim用于表征家庭成员间在主观认识上对其他家庭成员认为的重要程度,形式化为其中fmi和fmj分别表示家庭成员i和成员j,箭头指向表示影响力的影响方向,ranking表示重要程度的排名,排名首位取0;事件影响度Ein用于表征与家庭成员相关的事件对该成员的影响程度,形式化为其中Ek_Fmi表示家庭成员i对事件k的主观认识或立场,Fmj表示家庭成员j,箭头指向表示影响力的方向;能量共处时间Tenergy用于表征家庭成员间以能量行为的形式共同相处的时间,形式化表示为其中fmi和fmj分别表示家庭成员i和成员j,箭头的指向表示交互活动从交流者指向被交流者。
2.根据权利要求1所述的家庭成员关系亲密度计算方法,其特征在于:所述能量行为分为正能量行为和负能量行为;所述正能量行为为增进家庭成员关系亲密度的行为,所述负能量为降低家庭成员关系亲密度的行为。
3.根据权利要求1所述的家庭成员关系亲密度计算方法,其特征在于:
其中,HRp表示家庭成员关系交互点,用矩阵表示,该矩阵所对应的行列式计算出的数值用来表示家庭成员关系交互点的数值,HRU→U'用以标识家庭成员关系矩阵中用户间的映射关系,Cij用以表示家庭成员间的交互点的个数,其中,i=1...n,j=1...n,Cij(i=j)==1表示用户与自身的交互点映射关系恒等不变。
4.根据权利要求1所述的家庭成员关系亲密度计算方法,其特征在于:
其中,HRb为家庭成员关系中与生俱来的血缘关系,用矩阵表示;HRU→U'用以标识血缘关系矩阵中用户间的映射关系,Pij用以表示家庭成员间血缘关系的亲疏程度,其中,i=1...n,j=1...n。
5.根据权利要求1所述的家庭成员关系亲密度计算方法,其特征在于:
其中,HRf表示家庭成员之间交流情况,用矩阵表示;HRU→U'用以标识用户间的交互性映射关系,Pij用以表示用户之间在单位时间内从事交互活动的次数,次数越高表明成员间从事交互活动越频繁,i=1...n,j=1...n。
6.根据权利要求1所述的家庭成员关系亲密度计算方法,其特征在于:
其中,HIa表示人们在从事社交活动时人与人之间交互接受度,用矩阵表示;HRU→U'用以标识人与人之间的交互接受度映射关系,Pij用以表示人与人之间进行交互所采用的交互方式能够被对方接受的程度,即交互接受度,i=1...n,j=1...n。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710408081.2A CN107220901A (zh) | 2017-06-02 | 2017-06-02 | 一种家庭成员关系亲密度计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710408081.2A CN107220901A (zh) | 2017-06-02 | 2017-06-02 | 一种家庭成员关系亲密度计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107220901A true CN107220901A (zh) | 2017-09-29 |
Family
ID=59948110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710408081.2A Pending CN107220901A (zh) | 2017-06-02 | 2017-06-02 | 一种家庭成员关系亲密度计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107220901A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110337059A (zh) * | 2018-03-30 | 2019-10-15 | 中国联合网络通信集团有限公司 | 一种用户家庭关系的分析算法、服务器及网络系统 |
-
2017
- 2017-06-02 CN CN201710408081.2A patent/CN107220901A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110337059A (zh) * | 2018-03-30 | 2019-10-15 | 中国联合网络通信集团有限公司 | 一种用户家庭关系的分析算法、服务器及网络系统 |
CN110337059B (zh) * | 2018-03-30 | 2021-03-12 | 中国联合网络通信集团有限公司 | 一种用户家庭关系的分析算法、服务器及网络系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sheng et al. | Identifying influential nodes in complex networks based on global and local structure | |
Rashid et al. | Life expectancy and risk of death in 6791 communities in England from 2002 to 2019: high-resolution spatiotemporal analysis of civil registration data | |
Li et al. | A review of the research progress of social network structure | |
CN106126549A (zh) | 一种基于概率矩阵分解的社区信任推荐方法及其系统 | |
Santos Jr et al. | Fusing multiple Bayesian knowledge sources | |
Zhou et al. | Analyzing and modeling dynamics of information diffusion in microblogging social network | |
Iqbal et al. | Performance analysis of hybridization of heuristic techniques for residential load scheduling | |
Li et al. | A trust evaluation scheme for complex links in a social network: a link strength perspective | |
CN106373015A (zh) | 社交网络中的亲密度确定方法及系统 | |
CN109284449A (zh) | 兴趣点的推荐方法和装置 | |
Qiao et al. | Recommending nearby strangers instantly based on similar check-in behaviors | |
Wang et al. | Truthful user recruitment for cooperative crowdsensing task: A combinatorial multi-armed bandit approach | |
Zhang et al. | Analyzing the coevolution of mobile application diffusion and social network: a multi-agent model | |
CN107220901A (zh) | 一种家庭成员关系亲密度计算方法 | |
Guo et al. | Influence maximization algorithm based on group trust and local topology structure | |
Yang et al. | Combining reinforcement learning algorithms with graph neural networks to solve dynamic job shop scheduling problems | |
Wang et al. | Multi-node joint power allocation algorithm based on hierarchical game learning in underwater acoustic sensor networks | |
Wang et al. | Influence maximization by leveraging the crowdsensing data in information diffusion network | |
Liu | Trust management in online social networks | |
CN107292752A (zh) | 一种基于符号网络的家庭亲密度计算方法 | |
Kim et al. | Rete-ADH: An improvement to rete for composite context-aware service | |
Regan | Response to privacy as a public good | |
Fu et al. | A collaborative recommend algorithm based on bipartite community | |
Xie et al. | Make best use of social networks via more valuable friend recommendations | |
CN106204298A (zh) | 一种大数据环境下的临时社交网络确定方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170929 |