CN110335059A - 一种用于微博网络广告信息传播趋势的分析方法 - Google Patents

一种用于微博网络广告信息传播趋势的分析方法 Download PDF

Info

Publication number
CN110335059A
CN110335059A CN201910397060.4A CN201910397060A CN110335059A CN 110335059 A CN110335059 A CN 110335059A CN 201910397060 A CN201910397060 A CN 201910397060A CN 110335059 A CN110335059 A CN 110335059A
Authority
CN
China
Prior art keywords
advertisement information
network
user
information
spreading
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
CN201910397060.4A
Other languages
English (en)
Other versions
CN110335059B (zh
Inventor
付明磊
冯军
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.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
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 Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201910397060.4A priority Critical patent/CN110335059B/zh
Publication of CN110335059A publication Critical patent/CN110335059A/zh
Application granted granted Critical
Publication of CN110335059B publication Critical patent/CN110335059B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0242—Determining effectiveness of advertisements
    • G06Q30/0245—Surveys
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0277—Online advertisement

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种用于微博网络广告信息传播趋势的分析方法，包括如下步骤：步骤1、数据采集，用于获取社交网络的数据，并对该社交网络数据进行预处理，使其成为模型的输入量；步骤2、构建空间网络，用于根据真实网络中各用户节点连接特点生成空间网络结构；步骤3、微博广告信息传播动力学分析，将网络用户设置为五个状态，基于平均场方法构建每个状态的动力学方程，根据动力学方程组中各状态的动态变化量分析广告信息在微博网络中的传播趋势；步骤4、分析结果输出，将数据采集模块采集的数据输入微博广告信息传播动力学分析模块，得到广告信息传播的峰值时刻点和广告受众人数。本发明有效实现微博网络广告信息传播趋势的分析。

Description

一种用于微博网络广告信息传播趋势的分析方法
技术领域
本发明属于社交网络信息传播分析领域，特别适用一种利用微博进行商业广告信息传播的分析方法。
背景技术
移动互联网的普及促使社交网络成为人们分享、传播和获取信息的首选方式。越来越多的商家选择在微博等主流社交网络上发布广告信息或者产品促销信息。因此，针对于广告信息在社交网络中传播趋势或者传播规律的分析方法将有助于商家能够跟踪广告信息的传播过程以及传播效果，以帮助商家更精确地投放广告，获得更高的广告投资回报。
但是，目前针对社交网络广告信息传播分析方面的研究很少。在专利文献1中提出了只是针对信息传播力进行计算的信息传播分析系统、信息传播分析装置和信息传播分析方法。此外，在非专利文献1中通过跟踪新浪微博信息传播路径构建传播树，并基于统计中的空模型建立时间-权重混淆空模型，分析信息传播的时间属性和相应的信息传播模式。在非专利文献2中针对优惠信息的传播，提出了超级传播者，并证实网络中的信息传播三阶转发的特性。
专利文献1：清水裕之，信息传播分析系统、信息传播分析装置、信息传播分析方法及其程序，CN101802864A；
非专利文献1：Z.Zhang,L.Cui,A.Fang,Z.Pan,Z.Zhang,H.Zhang,InformationDissemination Analysis using a Time-Weight Null Model:A Case Study of SinaMicro-Blog,2018.即“使用时间权重空模型的信息传播分析：新浪微博的案例研究”；
非专利文献2：M.Fu,H.Yang,J.Feng,W.Guo,Z.Le,D.Lande,D.Manko,Preferential information dynamics model for online social networks,Phys.AStat.Mech.Its Appl.2018.即“在线社交网络的优惠信息动态模型”。
发明内容
为了克服现有社交网络中信息传播模型缺少对广告信息传播趋势进行动态分析的不足，本发明提出一种用于微博网络广告信息传播趋势的分析方法。
本发明所采用的技术方案如下：
一种用于微博网络广告信息传播趋势的分析方法，所述方法包括如下步骤：
步骤1、数据采集，用于获取社交网络的数据，并对该社交网络数据进行预处理，使其成为模型的输入量；
步骤2、构建空间网络，用于根据真实网络中各用户节点连接特点生成空间网络结构；
步骤3、微博广告信息传播动力学分析，将网络用户设置为关注广告信息用户、犹豫传播广告信息用户、传播广告信息普通用户、传播广告信息超级用户和传播广告信息免疫用户五个状态，基于平均场方法构建每个状态的动力学方程，根据动力学方程组中各状态的动态变化量分析广告信息在微博网络中的传播趋势；
步骤4、分析结果输出，将数据采集模块采集的数据输入微博广告信息传播动力学分析模块，得到广告信息传播的峰值时刻点和广告受众人数。
进一步，所述步骤1中，数据采集包括以下步骤：
步骤1.1、在微博中确定要采集广告信息的始发网址信息；
步骤1.2、对相应网址审查元素分析，运用爬虫程序索引相应的转发数、评论数、点赞数不同时刻的数值；
步骤1.3、对采集的数值做处理，以一小时做一个间隔，计算一小时的增量，作为微博广告信息传播动力学分析模块中模型的输入；
步骤1.4、获取微博中广告信息始发用户的粉丝量数n，用微博平均每小时活跃用户数/月活跃用户数γ相乘，得到初始网络节点的个数N(0)＝n*γ，即构建空间网络模块中生成网络的大小。
进一步，所述步骤2中，构建空间网络包括以下步骤：
步骤2.1、初始网络：开始给定m0个节点，将m0个节点进行连接，每个节点的连接数m以概率p来选择，以步骤2.3计算的最大择优概率进行节点之间的连接；
步骤2.2、增长：在原始连接的基础上，重复增长一个新节点，并且以概率p为新增节点增加m条新连接，m≤m0；
步骤2.3、择优：新节点按照择优概率选择旧节点i与之连接，其中ki是旧节点i的节点度；
步骤2.4、初始网络的大小由步骤1计算得到的数值N(0)确定。
进一步，所述步骤3中，微博广告信息传播动力学分析包括以下步骤：
步骤3.1、计算空间网络中t时刻接触广告信息用户总数量N(t),计算公式为：S(t)+E(t)+I(t)+A(t)+R(t)＝N(t)，其中S(t)表示t时刻关注广告信息用户数量，E(t)表示t时刻犹豫传播广告信息用户数量，I(t)表示t时刻传播广告信息普通用户数量，A(t)表示t时刻传播广告信息超级用户数量，R(t)表示t时刻传播广告信息免疫用户数量；
步骤3.2、计算S(t)的变化率，计算公式为 其中Δ表示进入微博网络的用户数量变化率，表示传播广告信息普通用户的平均网络节点度，表示传播广告信息超级用户的平均网络节点度，β1表示在传播广告信息普通用户的传播下，从关注广告信息用户转变为犹豫传播广告信息用户的概率，β2表示在传播广告信息超级用户的传播下，从关注广告信息用户转变为犹豫传播广告信息用户的概率，u表示离开微博网络的用户数量变化率；
步骤3.3、计算E(t)的变化率，计算公式为 其中λ3表示从犹豫传播广告信息用户转变为传播广告信息免疫用户的概率，ε表示从犹豫传播广告信息用户转变为传播广告信息普通用户的概率，α表示从犹豫传播广告信息用户转变为传播广告信息超级用户的概率；
步骤3.4、计算I(t)的变化率，计算公式为其中λ1表示从传播广告信息超级用户转变为传播广告信息免疫用户的概率；
步骤3.5、计算A(t)的变化率，计算公式为其中λ2表示从传播广告信息普通用户转变为传播广告信息免疫用户的概率；
步骤3.6、计算R(t)的变化率，计算公式为
进一步，所述步骤4中，分析结果输出包括以下步骤：
步骤4.1、将网络初始状态S(0),E(0),A(0),I(0),R(0)输入微博广告信息传播动力学分析模块；
步骤4.2、通过程序得到dI(t)/dt＝0时t时刻的数值以获得广告信息传播过程中的峰值时刻点，读取此时的I(t)值便得到微博广告信息传播的峰值；
步骤4.3、通过计算的值获得微博广告信息传播期间的广告受众人数，SUM(t)表示t时刻广告受众人数；
步骤4.4、通过计算在t时刻下的最大值来获得微博广告的最大效益值Vmax，V(t)表示t时刻广告效益值。Vmax表示V的最大值。
本发明的有益效果主要表现在：
通过面向微博网络广告信息传播的分析方法各商家可以更好地知道自己投放广告的效益还能更好的规划或选择性的去投放广告，从广告中更大的获得效益。&值越大代表着最后的有效推广面越广，代表着微博中广告消息的感染面。Vmax值的大小也代表者不同推广手段有效性，Vmax值越大代表着投放点的影响扩散效果更好。商家投放广告的时候可以考虑这两个值的大小确定选择广告投放用户(简称代言)的选择和投放方式。同时可以根据步骤4.2中的t值确定线下或者线上的加大供应量或者加强优化服务权重，以满足广告推广峰值带来的效益，从而更多的去扩大影响面。通过步骤4.4获取的t时刻，商家可以间接性选择每次投放广告的时间，已达到最大回报率。
附图说明
图1是实施本分析方法的具体各部分的流程图。
图2是初始网络结构示意图和传播过程网络结构示意图。
图3是本分析方法对微博网络各状态转换过程图。
图4是一种用于微博网络广告信息传播趋势的分析方法的处理流程图。
具体实施方式
下面结合附图对本发明做进一步说明。
参照图1～图4，一种用于微博网络广告信息传播趋势的分析方法，所述方法包括如下步骤：
步骤1、数据采集，用于获取社交网络的数据，并对该社交网络数据进行预处理，使其成为模型的输入量；
步骤2、构建空间网络，用于根据真实网络中各用户节点连接特点生成空间网络结构；
步骤3、微博广告信息传播动力学分析，将网络用户设置为关注广告信息用户、犹豫传播广告信息用户、传播广告信息普通用户、传播广告信息超级用户和传播广告信息免疫用户五个状态，基于平均场方法构建每个状态的动力学方程，根据动力学方程组中各状态的动态变化量分析广告信息在微博网络中的传播趋势；
步骤4、分析结果输出，将数据采集模块采集的数据输入微博广告信息传播动力学分析模块，得到广告信息传播的峰值时刻点和广告受众人数。
进一步，所述步骤1中，数据采集包括以下步骤：
步骤1.1、在微博中确定要采集广告信息的始发网址信息；
步骤1.2、对相应网址审查元素分析，运用爬虫程序索引相应的转发数、评论数、点赞数不同时刻的数值；
步骤1.3、对采集的数值做处理，以一小时做一个间隔，计算一小时的增量，作为微博广告信息传播动力学分析模块中模型的输入；
步骤1.4、获取微博中广告信息始发用户的粉丝量数n，用微博平均每小时活跃用户数/月活跃用户数γ相乘，得到初始网络节点的个数N(0)＝n*γ，即构建空间网络模块中生成网络的大小。
进一步，所述步骤2中，构建空间网络包括以下步骤：
步骤2.1、初始网络：开始给定m0个节点，将m0个节点进行连接，每个节点的连接数m以概率p来选择，以步骤2.3计算的最大择优概率进行节点之间的连接；
步骤2.2、增长：在原始连接的基础上，重复增长一个新节点，并且以概率p为新增节点增加m条新连接，m≤m0；
步骤2.3、择优：新节点按照择优概率选择旧节点i与之连接，其中ki是旧节点i的节点度；
步骤2.4、初始网络的大小由步骤1计算得到的数值N(0)确定。
进一步，所述步骤3中，微博广告信息传播动力学分析包括以下步骤：
步骤3.1、计算空间网络中t时刻接触广告信息用户总数量N(t),计算公式为：S(t)+E(t)+I(t)+A(t)+R(t)＝N(t)，其中S(t)表示t时刻关注广告信息用户数量，E(t)表示t时刻犹豫传播广告信息用户数量，I(t)表示t时刻传播广告信息普通用户数量，A(t)表示t时刻传播广告信息超级用户数量，R(t)表示t时刻传播广告信息免疫用户数量；
步骤3.2、计算S(t)的变化率，计算公式为 其中Δ表示进入微博网络的用户数量变化率，表示传播广告信息普通用户的平均网络节点度，表示传播广告信息超级用户的平均网络节点度，β1表示在传播广告信息普通用户的传播下，从关注广告信息用户转变为犹豫传播广告信息用户的概率，β2表示在传播广告信息超级用户的传播下，从关注广告信息用户转变为犹豫传播广告信息用户的概率，u表示离开微博网络的用户数量变化率；
步骤3.3、计算E(t)的变化率，计算公式为 其中λ3表示从犹豫传播广告信息用户转变为传播广告信息免疫用户的概率，ε表示从犹豫传播广告信息用户转变为传播广告信息普通用户的概率，α表示从犹豫传播广告信息用户转变为传播广告信息超级用户的概率；
步骤3.4、计算I(t)的变化率，计算公式为其中λ1表示从传播广告信息超级用户转变为传播广告信息免疫用户的概率；
步骤3.5、计算A(t)的变化率，计算公式为其中λ2表示从传播广告信息普通用户转变为传播广告信息免疫用户的概率；
步骤3.6、计算R(t)的变化率，计算公式为
进一步，所述步骤4中，分析结果输出包括以下步骤：
步骤4.1、将网络初始状态S(0),E(0),A(0),I(0),R(0)输入微博广告信息传播动力学分析模块；
步骤4.2、通过程序得到dI(t)/dt＝0时t时刻的数值以获得广告信息传播过程中的峰值时刻点，读取此时的I(t)值便得到微博广告信息传播的峰值；
步骤4.3、通过计算的值获得微博广告信息传播期间的广告受众人数，SUM(t)表示t时刻广告受众人数；
步骤4.4、通过计算在t时刻下的最大值来获得微博广告的最大效益值Vmax，V(t)表示t时刻广告效益值，Vmax表示V的最大值。
本实施例中，通过面向微博网络广告信息传播的分析方法各商家可以更好地知道自己投放广告的效益还能更好的规划或选择性的去投放广告，从广告中更大的获得效益。&值越大代表着最后的有效推广面越广，代表着微博中广告消息的感染面。Vmax值的大小也代表者不同推广手段有效性，Vmax值越大代表着投放点的影响扩散效果更好。商家投放广告的时候可以考虑这两个值的大小确定选择广告投放用户(简称代言)的选择和投放方式。同时可以根据步骤4.2中的t值确定线下或者线上的加大供应量或者加强优化服务权重，以满足广告推广峰值带来的效益，从而更多的去扩大影响面。通过步骤4.4获取的t时刻，商家可以间接性选择每次投放广告的时间，已达到最大回报率。

Claims (5)

1.一种用于微博网络广告信息传播趋势的分析方法，其特征在于，所述方法包括如下步骤：
步骤1、数据采集，用于获取社交网络的数据，并对该社交网络数据进行预处理，使其成为模型的输入量；
步骤2、构建空间网络，用于根据真实网络中各用户节点连接特点生成空间网络结构；
步骤3、微博广告信息传播动力学分析，将网络用户设置为关注广告信息用户、犹豫传播广告信息用户、传播广告信息普通用户、传播广告信息超级用户和传播广告信息免疫用户五个状态，基于平均场方法构建每个状态的动力学方程，根据动力学方程组中各状态的动态变化量分析广告信息在微博网络中的传播趋势；
步骤4、分析结果输出，将数据采集模块采集的数据输入微博广告信息传播动力学分析模块，得到广告信息传播的峰值时刻点和广告受众人数。
2.如权利要求1所述的一种用于微博网络广告信息传播趋势的分析方法，其特征在于，所述步骤1中，数据采集包括以下步骤：
步骤1.1、在微博中确定要采集广告信息的始发网址信息；
步骤1.2、对相应网址审查元素分析，运用爬虫程序索引相应的转发数、评论数、点赞数不同时刻的数值；
步骤1.3、对采集的数值做处理，以一小时做一个间隔，计算一小时的增量，作为微博广告信息传播动力学分析模块中模型的输入；
步骤1.4、获取微博中广告信息始发用户的粉丝量数n，用微博平均每小时活跃用户数/月活跃用户数γ相乘，得到初始网络节点的个数N(0)＝n*γ，即构建空间网络模块中生成网络的大小。
3.如权利要求1或2所述的一种用于微博网络广告信息传播趋势的分析方法，其特征在于，所述步骤2中，构建空间网络包括以下步骤：
步骤2.1、初始网络：开始给定m0个节点，将m0个节点进行连接，每个节点的连接数m以概率p来选择，以步骤2.3计算的最大择优概率进行节点之间的连接；
步骤2.2、增长：在原始连接的基础上，重复增长一个新节点，并且以概率p为新增节点增加m条新连接，m≤m0；
步骤2.3、择优：新节点按照择优概率选择旧节点i与之连接，其中ki是旧节点i的节点度；
步骤2.4、初始网络的大小由步骤1计算得到的数值N(0)确定。
4.如权利要求1或2所述的一种用于微博网络广告信息传播趋势的分析方法，其特征在于，所述步骤3中，微博广告信息传播动力学分析包括以下步骤：
步骤3.1、计算空间网络中t时刻接触广告信息用户总数量N(t)，计算公式为：S(t)+E(t)+I(t)+A(t)+R(t)＝N(t)，其中S(t)表示t时刻关注广告信息用户数量，E(t)表示t时刻犹豫传播广告信息用户数量，I(t)表示t时刻传播广告信息普通用户数量，A(t)表示t时刻传播广告信息超级用户数量，R(t)表示t时刻传播广告信息免疫用户数量；
步骤3.2、计算S(t)的变化率，计算公式为 其中Δ表示进入微博网络的用户数量变化率，表示传播广告信息普通用户的平均网络节点度，表示传播广告信息超级用户的平均网络节点度，β1表示在传播广告信息普通用户的传播下，从关注广告信息用户转变为犹豫传播广告信息用户的概率，β2表示在传播广告信息超级用户的传播下，从关注广告信息用户转变为犹豫传播广告信息用户的概率，u表示离开微博网络的用户数量变化率；
步骤3.3、计算E(t)的变化率，计算公式为 其中λ3表示从犹豫传播广告信息用户转变为传播广告信息免疫用户的概率，ε表示从犹豫传播广告信息用户转变为传播广告信息普通用户的概率，α表示从犹豫传播广告信息用户转变为传播广告信息超级用户的概率；
步骤3.4、计算I(t)的变化率，计算公式为其中λ1表示从传播广告信息超级用户转变为传播广告信息免疫用户的概率；
步骤3.5、计算A(t)的变化率，计算公式为其中λ2表示从传播广告信息普通用户转变为传播广告信息免疫用户的概率；
步骤3.6、计算R(t)的变化率，计算公式为
5.如权利要求1或2所述的一种用于微博网络广告信息传播趋势的分析方法，其特征在于，所述步骤4中，分析结果输出包括以下步骤：
步骤4.1、将网络初始状态S(0)，E(0)，A(0)，I(0)，R(0)输入微博广告信息传播动力学分析模块；
步骤4.2、通过程序得到dI(t)/dt＝0时t时刻的数值以获得广告信息传播过程中的峰值时刻点，读取此时的I(t)值便得到微博广告信息传播的峰值；
步骤4.3、通过计算的值获得微博广告信息传播期间的广告受众人数，SUM(t)表示t时刻广告受众人数；
步骤4.4、通过计算在t时刻下的最大值来获得微博广告的最大效益值Vmax，V(t)表示t时刻广告效益值，Vmax表示V的最大值。
CN201910397060.4A 2019-05-14 2019-05-14 一种用于微博网络广告信息传播趋势的分析方法 Active CN110335059B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910397060.4A CN110335059B (zh) 2019-05-14 2019-05-14 一种用于微博网络广告信息传播趋势的分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910397060.4A CN110335059B (zh) 2019-05-14 2019-05-14 一种用于微博网络广告信息传播趋势的分析方法

Publications (2)

Publication Number Publication Date
CN110335059A true CN110335059A (zh) 2019-10-15
CN110335059B CN110335059B (zh) 2022-05-03

Family

ID=68138927

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910397060.4A Active CN110335059B (zh) 2019-05-14 2019-05-14 一种用于微博网络广告信息传播趋势的分析方法

Country Status (1)

Country Link
CN (1) CN110335059B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI753674B (zh) * 2020-11-26 2022-01-21 國立清華大學 基於時間之社群網路中傳播機率之計算方法及其系統

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130212648A1 (en) * 2012-02-09 2013-08-15 Nordic Capital Partners, LLC Automatic System Replication and Server Access Using Authentication Credentials and Data Files Supplied by a Local Handheld Device and Common Session Level Software
CN104361231A (zh) * 2014-11-11 2015-02-18 电子科技大学 一种复杂网络中的谣言传播控制方法
CN105447128A (zh) * 2015-11-18 2016-03-30 临沂大学 一种微博舆情传播范围预测的方法
US20160179908A1 (en) * 2014-12-19 2016-06-23 At&T Intellectual Property I, L.P. System and method for creating and sharing plans through multimodal dialog
CN106096075A (zh) * 2016-05-25 2016-11-09 中山大学 一种基于社交网络的消息传播模型
CN106127590A (zh) * 2016-06-21 2016-11-16 重庆邮电大学 一种基于节点影响力的信息态势感知及传播管控模型
CN106126700A (zh) * 2016-07-01 2016-11-16 复旦大学 一种微博谣言传播的分析方法
CN106682991A (zh) * 2016-12-21 2017-05-17 重庆邮电大学 一种基于在线社交网络的信息传播模型及其传播方法
CN109300056A (zh) * 2018-08-16 2019-02-01 西安邮电大学 一种基于sirs的情感网络传播动力模型及利用该模型的情感传播模拟方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130212648A1 (en) * 2012-02-09 2013-08-15 Nordic Capital Partners, LLC Automatic System Replication and Server Access Using Authentication Credentials and Data Files Supplied by a Local Handheld Device and Common Session Level Software
CN104361231A (zh) * 2014-11-11 2015-02-18 电子科技大学 一种复杂网络中的谣言传播控制方法
US20160179908A1 (en) * 2014-12-19 2016-06-23 At&T Intellectual Property I, L.P. System and method for creating and sharing plans through multimodal dialog
CN105447128A (zh) * 2015-11-18 2016-03-30 临沂大学 一种微博舆情传播范围预测的方法
CN106096075A (zh) * 2016-05-25 2016-11-09 中山大学 一种基于社交网络的消息传播模型
CN106127590A (zh) * 2016-06-21 2016-11-16 重庆邮电大学 一种基于节点影响力的信息态势感知及传播管控模型
CN106126700A (zh) * 2016-07-01 2016-11-16 复旦大学 一种微博谣言传播的分析方法
CN106682991A (zh) * 2016-12-21 2017-05-17 重庆邮电大学 一种基于在线社交网络的信息传播模型及其传播方法
CN109300056A (zh) * 2018-08-16 2019-02-01 西安邮电大学 一种基于sirs的情感网络传播动力模型及利用该模型的情感传播模拟方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YONGLI ZHANG: "DSIR double-rumors spreading model in complex networks", 《CHAOS，SOLITONS&FRACTALS》 *
徐沛东等: "基于SIR 模型的情感网络传播分析", 《计算机与数字工程》 *
朱恒民等: "面向话题衍生性的微博网络舆情传播模型研究", 《现代图书情报技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI753674B (zh) * 2020-11-26 2022-01-21 國立清華大學 基於時間之社群網路中傳播機率之計算方法及其系統
US11557006B2 (en) 2020-11-26 2023-01-17 National Tsing Hua University Method and system for calculating total transmission probability within social network based on timing

Also Published As

Publication number Publication date
CN110335059B (zh) 2022-05-03

Similar Documents

Publication Publication Date Title
Li et al. Online social advertising via influential endorsers
AU2008210861B2 (en) Advertisement referral based on social ties
CN103412872B (zh) 一种基于有限节点驱动的微博社会网络信息推荐方法
CN106096629B (zh) 一种基于用户间相似关系的广告点击率预测方法
Li et al. Enhancing targeted advertising with social context endorsement
US20130085859A1 (en) Targeting Advertisements Based on User Interactions
CN103886105B (zh) 一种基于社交网络用户行为的用户影响力分析方法
Han et al. Cost-effective social media influencer marketing
CN103258020A (zh) 一种结合sns和搜索引擎技术的推荐系统与方法
CN101763351A (zh) 基于数据融合的视频节目推荐方法
CN108182268B (zh) 一种基于社会网络的协同过滤推荐方法及系统
CN109033190B (zh) 一种推荐信息的推送方法、装置及设备
CN101702653B (zh) 一种基于用户行为定向的消息通告系统及方法
CN104376083B (zh) 一种基于关注关系和多用户行为的图推荐方法
CN106875205A (zh) 一种对象选择方法和装置
Nunes et al. Improving trust using online credibility sources and social network quality in P2P marketplaces
Rad et al. Similarity and ties in social networks: a study of the youtube social network
CN104794635A (zh) 基于协同过滤推荐算法的机型推荐系统
CN103198432B (zh) 在线社会网络中网络群体的检测方法及系统
CN110335059B (zh) 一种用于微博网络广告信息传播趋势的分析方法
Purba et al. Data-driven influencer marketing strategy analysis and prediction based on social media and Google Analytics data
Fu et al. Preferential information dynamics model for online social networks
CN110059240A (zh) 一种基于影响等级的网络用户责任指数计算方法
CN108171538A (zh) 用户数据处理方法及系统
Taylor Choosing between social media platforms and understanding the markets they reach

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
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20191015

Assignee: ZHEJIANG DUYAN INFORMATION TECHNOLOGY CO.,LTD.

Assignor: JIANG University OF TECHNOLOGY

Contract record no.: X2023980045556

Denomination of invention: A Method for Analyzing the Trend of Advertising Information Dissemination on Weibo Network

Granted publication date: 20220503

License type: Common License

Record date: 20231102

EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20191015

Assignee: Huzhou Duxin Technology Co.,Ltd.

Assignor: JIANG University OF TECHNOLOGY

Contract record no.: X2023980049423

Denomination of invention: A method for analyzing the trend of advertising information dissemination on Weibo networks

Granted publication date: 20220503

License type: Common License

Record date: 20231201

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20191015

Assignee: Hangzhou Youshu Cloud Travel Information Technology Co.,Ltd.

Assignor: JIANG University OF TECHNOLOGY

Contract record no.: X2023980054817

Denomination of invention: A method for analyzing the trend of advertising information dissemination on Weibo networks

Granted publication date: 20220503

License type: Common License

Record date: 20240102

Application publication date: 20191015

Assignee: Hangzhou Tianyin Computer System Engineering Co.,Ltd.

Assignor: JIANG University OF TECHNOLOGY

Contract record no.: X2023980054814

Denomination of invention: A method for analyzing the trend of advertising information dissemination on Weibo networks

Granted publication date: 20220503

License type: Common License

Record date: 20240102

Application publication date: 20191015

Assignee: Hangzhou Yizheng Technology Co.,Ltd.

Assignor: JIANG University OF TECHNOLOGY

Contract record no.: X2023980054807

Denomination of invention: A method for analyzing the trend of advertising information dissemination on Weibo networks

Granted publication date: 20220503

License type: Common License

Record date: 20240102

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20191015

Assignee: HANGZHOU YONGGUAN NETWORK TECHNOLOGY CO.,LTD.

Assignor: JIANG University OF TECHNOLOGY

Contract record no.: X2024980000361

Denomination of invention: A method for analyzing the trend of advertising information dissemination on Weibo networks

Granted publication date: 20220503

License type: Common License

Record date: 20240109

EE01 Entry into force of recordation of patent licensing contract