CN110825972A - 一种基于领域差异化的热点话题关键用户发现方法 - Google Patents

Abstract

本发明涉及社交网络控制技术领域，具体涉及一种基于领域差异化的热点话题关键用户发现方法，包括：获取数据源，获得消息、用户、领域的相关数据；构建消息‑用户‑领域三部图模型；根据该模型并将话题中的领域类别映射为具体的角色值，计算出用户在每个领域对应的角色值；引入时间衰弱函数对热点话题在每个领域下的流行度进行阶段性计算；采用RoleRank算法进行迭代计算，识别出关键用户，从而找出热点话题传播过程中的关键用户。本发明的方法实现了在任意领域条件下，对热点话题的流行度进行阶段性的计算，提高了热点话题中关键用户挖掘的精确度。

Description

一种基于领域差异化的热点话题关键用户发现方法

技术领域

本发明涉及社交网络控制技术领域，具体涉及一种基于领域差异化的热点话题关键用户发现方法。

背景技术

随着互联网技术和网络终端的普及，社交网络平台凭借其便捷性和较强的交互性，使网络上的信息能够以较快的速度进行传播，但是，社交网络也使得大量虚假和和违法信息得到不受控制的传播与蔓延，为网络信息的安全性带来一定的威胁，如何防止不法分子利用网络资源造谣生事，维护社会稳定，网络舆情话题中的关键用户发现就显得尤为重要与迫切。

现有的话题传播过程中的溯源研究主要分为三种，分别是：基于传播模型的推理法、基于节点自身属性的分析方法和基于结合用户属性和网络结构的分析法。其中，基于传播模型的推理法，主要是先提前假设信息传播符合某种特定的形式，然后结合信息传播动力学方程、极大后验估计、极大似然估计法等进而推理出信息传播可能的源节点。基于节点自身属性的分析方法，主要是通过对参与节点自身属性，以及与周围邻居节点的相互影响关系进行量化、对比，然后将溯源问题抽象为一个排序问题，进而确定话题传播过程中的关键节点。基于结合用户属性和网络结构的分析法，主要通过考虑用户和网络结构两个方面，提高识别关键点的准确度。以上方法虽然在热点话题中关键用户的发现工作上取得了一定成果，但仍然存在两个问题：

1.话题元素计算的复杂性和关键元素间的关联性问题。对于大规模下的社交网络，用户数量以及网络中传播的消息数量极其庞大，分析热点话题传播网络中的关键用户具有极高的计算复杂度。同时，用户网络结构性复杂，面对跨领域、多阶段的热点话题传播分析，当前研究方案无法十分有效地管理热点话题传播网络中对象和关系。

2.用户跨领域的差异化对待问题。在社交网络中同一用户可能会同时参与到多个领域的话题传播，当前研究方案并未考虑到用户跨领域的差异化对待问题，弱化了在不同领域中消息流行度的时效性特点以及该类用户在话题传播网络中的最大影响力度，使得关键用户的发现结果不够精确。

发明内容

为了解决上述问题，本发明在用户关系信息、用户行为信息以及热点话题结构信息的基础上，建立热点话题传播模型方法，提供一种基于领域差异化的热点话题关键用户发现方法。

一种基于领域差异化的热点话题关键用户发现方法，包括以下步骤：

S1、利用网络爬虫软件和/或各种社交软件提供的API接口获取数据源，获得消息、用户、领域的相关数据，并对获取的数据进行数据清洗；

S2、利用消息、用户、领域这三者之间的关联性关系构建消息-用户-领域三部图模型；

S3、根据消息-用户-领域三部图模型提取出用户所属领域信息，把该模型中的领域类别映射为具体的角色值，根据消息-用户-领域三部图模型的拓扑特征及节点属性，计算用户的角色值；

S4、根据用户的所属领域信息，引入时间衰弱函数控制不同时期热点话题的流行度值，并对热点话题的流行度进行阶段性的计算；

S5、根据热点话题的流行度，利用RoleRank算法进行迭代计算，得到用户在不同领域中对热点话题传播的角色重要值；根据用户的角色值和角色重要值，计算用户在整个热点话题中的整体影响力值，根据用户的整体影响力值找出热点话题传播过程中的关键用户；

S6、将发现的关键用户数据存储到微博平台数据中心，通过微博平台数据中心将关键用户数据发送到监测中心，在监测中心的监测屏上显示，以便监测部门对热点话题的传播过程进行实时监督与控制。

本发明的有益效果：

1.本发明根据爬取到的数据构建消息-用户-领域三部图模型，方便了热点话题传播网络中对象之间的管理关系。

2.本发明针对热点话题传播流行度的时效性问题，利用时间切片的方法，引入时间衰减函数，实现了在任意领域条件下，对热点话题的流行度进行阶段性的计算。

3.本发明针对用户跨领域的差异化问题，提出一种迭代的RoleRank算法来计算用户在所有涉及领域下对话题的整体影响力，提高了热点话题中关键用户挖掘的精确度。

附图说明

下面结合附图和具体实施方式对本发明做进一步详细的说明。

图1为本发明实施例的总体流程图；

图2为本发明实施例的热点话题传播网络结构图；

图3为本发明实施例的消息-用户-领域三部图模型。

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做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。

如图1所示，本发明的一种基于领域差异化的热点话题关键用户发现方法，包括以下步骤：

S1、利用网络爬虫软件和/或各种社交软件提供的应用程序接口(ApplicationProgramming Interface，API)接口获取数据源，获得消息、用户、领域的相关数据，并对获取的数据进行数据清洗；

S2、利用消息、用户、领域这三者之间的关联性关系构建消息-用户-领域三部图模型；

S3、根据消息-用户-领域三部图模型提取出用户所属领域信息，把该模型中的领域类别映射为具体的角色值，根据消息-用户-领域三部图模型的拓扑特征及节点属性，计算用户的角色值；

S4、根据用户的所属领域信息，引入时间衰弱函数控制不同时期热点话题的流行度值，并对热点话题的流行度进行阶段性的计算；

S5、根据热点话题的流行度，利用RoleRank算法进行迭代计算，得到用户在不同领域中对热点话题传播的角色重要值；根据用户的角色值和角色重要值，计算用户在整个热点话题中的整体影响力值，根据用户的整体影响力值找出热点话题传播过程中的关键用户；

S6、将发现的关键用户数据存储到微博平台数据中心，通过微博平台数据中心将关键用户数据发送到监测中心，在监测中心的监测屏上显示，以便监测部门对热点话题的传播过程进行实时监督与控制。

第一步利用网络爬虫软件和/或各种社交软件提供的API接口获取数据源。获取的数据为新浪微博数据，获取的数据内容主要包括热点话题信息数据和参与用户行为属性数据。其中，热点话题信息数据包括：该热点话题下的参与用户ID、参与用户转发内容、参与用户转发时间、参与用户转发数目、参与用户评论内容、参与用户评论时间、参与用户评论数目、每条消息所属的领域类别；参与用户行为属性数据包括用户姓名、用户转发内容及数目、评论内容及数目、粉丝数以及关注数。

进一步的，数据的获取主要采用如下方法：

S11、获取原始数据。利用各种网络爬虫软件和/或通过各社交网站开放API平台获取数据；

S12、简单的数据清洗。通过划分话题传播网络中的重叠参与用户、交叉领域来简化原生社交网络结构，例如，可通过删除重复数据、删除关键信息缺失的数据，清理无效节点等来构建出简化后的热点话题传播网络结构图，如图2所示。

第二步构建消息-用户-领域三部图模型，由于消息在多个用户的驱动力作用下传播到不同的领域，用户与其传播到的领域之间有着一定的关联性关系，因此可利用消息、用户、领域这三者之间的关联性关系建立消息-用户-领域三部模型，如图3所示。

构建的消息-用户-领域三部图模型可以简化热点话题传播网络中参与用户的重叠结构，可以直观、方便对热点话题中消息、用户、领域间的对象与关系进行管理，也有利于便捷地促进用户在每个领域角色值的发现。

第三步用户角色值发现：消息-用户-领域三部图模型构建完成以后，将话题中的领域类别映射为具体的角色值，同时，根据消息-用户-领域三部图模型的拓扑特征及节点属性，提取出用户所属领域信息，计算出用户的角色值。

进一步的，用户的角色值计算包括以下步骤：

S31、将消息-用户-领域三部图模型中的所有领域类别都映射为具体的角色值，其定义和计算如下：第i个领域的角色值为

计算公式为：

其中，m表示领域类别的总数目，

表示第i个领域中所加入的用户数量，|R|是一个自定义值，表示角色数量，且|R|满足

S32、根据领域类别的角色值，计算用户在每个领域的角色值，k用户在第i个领域的角色值计算包括：

其中，val_k ⁽ⁱ⁾表示k用户在第i个领域的角色值，

表示在第i个领域下所加入的用户数量，

表示第i个领域的角色值。

第四步领域流行度的阶段性计算：根据用户的所属领域信息，在用户的每个所属领域下，引入时间衰弱函数控制不同时期热点话题的流行度值，并对热点话题流行度进行阶段性的计算；

由于在话题传播的不同时期，话题的流行度表现形式不一样，再考虑到早期流行度和晚期流行度在经过对数处理后能够呈现出很强的线性关联性，而且随机波动可以表现为噪声的形式，因此，本发明采用时间分片的方法对热点话题的流行度进行阶段性的计算。先引入一种时间衰弱函数来控制不同时期热点话题的流行度值，其计算方式包括：

其中，w_jk(T)表示话题时间衰弱函数，δ为调节因子，T为k用户对消息j的行为事件，t₀为话题开始的时间。从式(3)可以看出，热点话题的流行度值与时间T成反比，随着热点话题传播时间的延长，其流行度值也在逐渐减小。

然后，在上述引入的时间衰减函数的基础上，对热点话题流行度进行阶段性的计算，其计算公式包括：

其中，

为话题在T时刻在i领域的流行度，N_traW_jk为k用户是否转发第j条消息，N_comW_jk为k用户是否评论第j条消息，w_jk(T)为话题时间衰弱函数，val_k ⁽ⁱ⁾为k用户在i领域下的角色值。

第五步采用RoleRank算法进行迭代计算，识别出关键用户：在用户的每个所属领域下，利用关键用户发现算法RoleRank进行迭代计算，分析用户在热点话题传播过程中的角色值的重要程度，计算用户在不同领域对消息的影响力，最后综合用户在每个领域的影响力，得到用户在整个热点话题中的整体影响力值，从而找出热点话题传播过程中的关键用户。

进一步的，采用RoleRank算法进行迭代计算，识别出关键用户具体包括：

S51、根据消息、用户、领域的相关数据，计算出在每个领域下用户的传播意愿；

在社交网络中，用户对一个热点话题参与程度的重要性描述通常用用户传播意愿来衡量。本发明根据消息、用户、领域的相关数据，用户传播意愿的计算公式包括：

U_w(k)＝c₁F(k)+c₂I_orig(k) (5)

其中，U_w(k)表示k用户的传播意愿，F(k)表示k用户的粉丝数量，I_orig(k)表示k用户发布原始信息的数量，可通过实测数据获取，c₁、c₂是权重参数。

S52、根据话题的流行度与用户的传播意愿计算出用户在每个领域下对话题的传播能力。在社交网络中，用户传播能力的计算是发现热点话题中关键用户的一个重要衡量指标，用户传播能力受用户传播意愿和话题在某领域下的流行度两个指标共同决定，因为即使热点话题在某领域下的流行度值非常高，但用户对该热点话题不感兴趣，那么用户的传播意愿值是比较低的，于是最终的用户传播能力计算值并不会太高。因此，用户传播能力的计算需要综合考虑用户传播意愿和热点话题在某领域下的流行度两个关键指标，本发明中利用这两个指标的乘积形式来计算出用户对热点话题传播能力，其计算公式包括：

U_tc(k)＝U_w(k)*H_T (6)

其中，U_tc(k)表示k用户对热点话题的传播能力，U_w(k)表示k用户传播意愿，H_T表示话题在某领域下的流行度，即话题在领域环境下的传播力度。

S53、根据用户对话题的传播能力，利用RoleRank算法进行迭代计算，得到每个领域下用户的角色重要值。

本步骤主要借鉴网页排名算法PageRank的思想，将信息传播网络中的用户视作搜索引擎中的网页，综合考虑用户对热点话题的影响力，提出一种RoleRank算法来评估用户在某领域内对热点话题传播的重要程度，其步骤如下：

S531、对k用户在i领域下的角色重要值进行计算，其计算方式包括：

其中，R(k_i)表示k用户在i领域下的角色重要值，R(j_i)表示在i领域中k用户的好友用户j的角色重要值，T_k是指向k用户的其他用户集合，即k用户的好友集合，U_tc(kj)是j用户的传播能力分配给k用户的比例因子，N是网络中用户总数，α是阻尼系数，α设定在(0,1)之间；

S532、把网络规模为N的所有用户传播力R的初值设为1/N，对式(7)不断地进行迭代计算，当本次迭代后的值与上一次迭代的值之差的绝对值小于事先设定的阈值ξ时，算法终止。最终，经过多轮的迭代计算，可获得该热点话题网络中k用户在i领域下的角色重要值R(k_i)。

S54、在每个单一领域下，计算用户的角色值val_k ⁽ⁱ⁾与用户的角色重要值R(k_i)的乘积，得到用户在每个领域下对热点话题的影响力。

S55、将步骤S54计算的所有乘积结果进行求和运算，得到该用户对热点话题的整体影响力值，根据所有参与用户对热点话题的整体影响力值，按照从大到小的顺序进行排序，取出序列中的前M个即可发现热点话题传播过程中的M个关键用户，实现领域差异化的溯源研究。

由于热点话题中每个用户可能会参与到多个领域对热点话题进行传播，且用户在每个领域中的角色值和重要程度并不相同，因此，本发明针对这种领域差异化问题，利用的式(2)计算的所得的结果val_k ⁽ⁱ⁾和式(7)的所得结果值R(k_i)来计算用户在每个领域下对热点话题的影响力，再将用户在每个领域下对热点话题的影响力进行求和运算，得到用户对热点话题的整体影响力值。计算公式包括：

其中，θ(v_k)表示k用户对热点话题的整体影响力值，R(k_i)表示k用户在i领域下的角色重要值，val_k ⁽ⁱ⁾表示k用户在i领域下的角色值。

计算热点话题下所有参与用户对热点话题的整体影响力值，根据用户对热点话题的整体影响力值进行排序，取出序列的前M个即可提取热点话题传播过程中的M个关键用户。

第六步将发现的关键用户数据存储到微博平台数据中心，通过微博平台数据中心将关键用户数据发送到监测中心，在监测中心的监测屏上显示，以便监测部门对热点话题的传播过程进行实时监督与控制。

本发明根据热点话题传播网络中用户关系数据、用户行为数据以及话题信息数据为基础，综合考虑热点话题流行度的时效性、参与用户的领域差异化特点，分别利用时间切片、RoleRank迭代计算、用户整体影响力分析等方法了来识别出热点话题传播过程中关键用户，可以广泛应用于政府部门的网络舆情监督、市场部门的热点信息投放等领域。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种基于领域差异化的热点话题关键用户发现方法，其特征在于，包括以下步骤：

S1、利用网络爬虫软件和/或各种社交软件提供的应用程序接口API接口获取数据源，获得消息、用户、领域的相关数据，并对获取的数据进行数据清洗；

S2、利用消息、用户、领域这三者之间的关联性关系构建消息-用户-领域三部图模型；

S3、根据消息-用户-领域三部图模型提取出用户所属领域信息，把该模型中的领域类别映射为具体的角色值，根据消息-用户-领域三部图模型的拓扑特征及节点属性，计算用户的角色值；

S4、根据用户的所属领域信息，引入时间衰弱函数控制不同时期热点话题的流行度值，并对热点话题的流行度进行阶段性的计算；

S5、根据热点话题的流行度，利用RoleRank算法进行迭代计算，得到用户在不同领域中对热点话题传播的角色重要值；根据用户的角色值和角色重要值，计算用户在整个热点话题中的整体影响力值，根据用户的整体影响力值找出热点话题传播过程中的关键用户；

S6、将发现的关键用户数据存储到微博平台数据中心，通过微博平台数据中心将关键用户数据发送到监测中心，在监测中心的监测屏上显示，以便监测部门对热点话题的传播过程进行实时监督与控制。

2.根据权利要求1所述的一种基于领域差异化的热点话题关键用户发现方法，其特征在于，获取的数据源包括：热点话题信息数据和参与用户行为属性数据，其中，热点话题信息数据包括：热点话题下的参与用户ID、参与用户转发和评论内容及数目、每条热点话题所属的领域类别；参与用户行为属性数据包括：用户姓名、用户转发数、评论数、粉丝数以及关注数。

3.根据权利要求2所述的一种基于领域差异化的热点话题关键用户发现方法，其特征在于，对获取的数据进行数据清洗包括：通过划分话题传播网络中的重叠参与用户、交叉领域来简化原生社交网络结构。

4.根据权利要求1所述的一种基于领域差异化的热点话题关键用户发现方法，其特征在于，用户的角色值计算包括以下步骤：

S31、将消息-用户-领域三部图模型中的领域类别映射为具体的角色值，得到领域类别的角色值，其定义和计算如下：第i个领域的角色值为

计算公式为：

其中，m表示领域类别的总数目，

表示第i个领域中所加入的用户数量，|R|是一个自定义值，表示角色数量，且|R|满足

S32、根据领域类别的角色值，计算用户在每个领域的角色值，k用户在第i个领域的角色值计算公式为：

其中，val_k ⁽ⁱ⁾表示k用户在第i个领域的角色值，

表示在第i个领域下所加入的用户数量，

表示第i个领域的角色值；

5.根据权利要求1所述的一种基于领域差异化的热点话题关键用户发现方法，其特征在于，所述引入时间衰弱函数控制不同时期热点话题的流行度值，并对热点话题的流行度进行阶段性的计算，具体包括：

引入时间衰弱函数控制不同时期热点话题的流行度值，计算方式包括：

其中，w_jk(T)表示话题时间衰弱函数，δ为调节因子，T为k用户对消息j的行为事件，t₀为话题开始的时间；

对热点话题流行度进行阶段性的计算，其计算方式包括：

其中，

为话题在T时刻在i领域的流行度，N_traW_jk为k用户是否转发第j条消息，N_comW_jk为k用户是否评论第j条消息，w_jk(T)为话题时间衰弱函数，val_k ⁽ⁱ⁾为k用户在i领域下的角色值。

6.根据权利要求1所述的一种基于领域差异化的热点话题关键用户发现方法，其特征在于，采用RoleRank算法进行迭代计算，识别出关键用户包括以下步骤：

S51、根据消息、用户、领域的相关数据，计算出在每个领域下用户的传播意愿；

S52、根据热点话题的流行度与用户的传播意愿计算出用户在每个领域下对该话题的传播能力；

S53、根据用户对热点话题的传播能力，利用RoleRank算法进行迭代计算，得到每个领域下用户的角色重要值；

S54、在每个单一领域下，计算用户的角色值与用户的角色重要值的乘积，得到用户在每个领域下对热点话题的影响力；

S55、将步骤S54计算的所有乘积结果进行求和运算，得到该用户对热点话题的整体影响力值，根据所有参与用户对热点话题的整体影响力值，按照从大到小的顺序进行排序，取出序列中的前M个即可发现热点话题传播过程中的M个关键用户，实现领域差异化的溯源研究。

7.根据权利要求6所述的一种基于领域差异化的热点话题关键用户发现方法，其特征在于，计算用户的传播意愿具体包括：根据消息、用户、领域的相关数据，利用以下公式计算用户的传播意愿：

U_w(k)＝c₁F(k)+c₂I_orig(k) (5)

其中，U_w(k)表示k用户的传播意愿，F(k)表示k用户的粉丝数量，I_orig(k)表示k用户发布原始信息的数量，可通过实测数据获取，c₁、c₂是权重参数。

8.根据权利要求6所述的一种基于领域差异化的热点话题关键用户发现方法，其特征在于，每个领域下用户对热点话题的传播能力，计算公式如下：

U_tc(k)＝U_w(k)*H_T (6)

其中，U_tc(k)表示k用户对热点话题的传播能力，U_w(k)表示k用户传播意愿，H_T表示话题在某领域下的流行度，即话题在领域环境下的传播力度。

9.根据权利要求6所述的一种基于领域差异化的热点话题关键用户发现方法，其特征在于，利用RoleRank算法进行迭代计算，得到每个领域下用户的角色重要值，具体包括以下步骤：

S531、对k用户在i领域下的角色重要值进行计算，其计算方式包括：

其中，R(k_i)表示k用户在i领域下的角色重要值，R(j_i)表示在i领域中k用户的好友用户j的角色重要值，T_k是指向k用户的其他用户集合，即k用户的好友集合，U_tc(kj)是j用户的传播能力分配给k用户的比例因子，N是网络中用户总数，α是阻尼系数，α设定在(0,1)之间；

S532、把网络规模为N的所有用户传播力R的初值设为1/N，对式(7)不断地进行迭代计算，当本次迭代后的值与上一次迭代的值之差的绝对值小于事先设定的阈值ξ时，终止算法，最终获得该热点话题网络中k用户在i领域下的角色重要值R(k_i)。

10.根据权利要求6所述的一种基于领域差异化的热点话题关键用户发现方法，其特征在于，用户对热点话题的整体影响力值，计算公式如下：

其中，θ(v_k)表示k用户对热点话题的整体影响力值，R(k_i)表示k用户在i领域下的角色重要值，val_k ⁽ⁱ⁾表示k用户在i领域下的角色值。

Images