CN110932909B - 信息传播预测方法、系统及存储介质 - Google Patents
信息传播预测方法、系统及存储介质 Download PDFInfo
- Publication number
- CN110932909B CN110932909B CN201911236188.9A CN201911236188A CN110932909B CN 110932909 B CN110932909 B CN 110932909B CN 201911236188 A CN201911236188 A CN 201911236188A CN 110932909 B CN110932909 B CN 110932909B
- Authority
- CN
- China
- Prior art keywords
- node
- propagation
- information
- probability
- nodes
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本公开涉及一种信息传播预测方法、系统及存储介质,所述方法包括:根据信息传播网络中第一节点与第二节点之间的预设传播参数,以及待预测的目标信息从第一节点传播到第二节点的预设时长,确定目标信息从第一节点传播到第二节点的第一传播概率;根据目标信息从与第二节点连接的各个节点传播到第二节点的第一传播概率,确定目标信息传播到第二节点的第二传播概率;根据多个节点的第二传播概率,确定目标信息在信息传播网络中的传播预测结果。根据本公开实施例的信息传播预测方法能够提高目标信息在网络中传播预测的可靠性。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种信息传播预测方法、系统及存储介质。
背景技术
网络是各种行为、信息、谣言传播和演化的基础媒介,信息在网络传播过程中,能够确定网络中每个节点接收到信息的时间,但是却无法预测信息的传播范围。为便于理解,以传染病为例,传染病学家能够发现患病的患者,但是却无法了解具体是谁感染了患者以及传染病的传播范围。实际应用中,不管是网络还是医疗领域,我们能够观察到感染事件本身,但是却无法了解感染过程以及预测感染范围。
由于信息通过信息传播网络在网络节点间的传播过程与医学中传染病的感染过程很相似,早期关于信息传播模型的研究往往也是以传染病模型为基础的。SIS(Susceptible Infected Susceptible,易感染/感染/易感染)模型和SIR(SusceptibleInfected Recovered,易感染/感染/免疫)模型是最经典的两个传染病模型。其中,SIR模型将个体划分为易感染状态S,感染状态I以及免疫状态。在上述两个模型的基础上,研究者们提出了更为复杂的模型,例如考虑潜伏期的模型等。在更多相关模型被提出后,研究者开始基于不同的网络结构特点分析信息在信息传播网络中的传播规律,探讨如何预测信息在信息传播网络中的传播范围。
随着网络上信息过载,在信息传播过程中,信息的时效性、连接模式的异质性、信息的聚集性以及用户创造内容的质量等都是影响信息传播的因素,信息传播形成级联现象。然而,现有技术的方法无法准确了解信息在动态变化的信息传播网络中的传播过程。
发明内容
有鉴于此,本公开提出了一种用以解决现有技术无法准确了解信息在动态变化的信息传播网络中的传播过程的技术方案。
根据本公开的一方面,提供了一种信息传播预测方法,包括:
根据信息传播网络中第一节点与第二节点之间的预设传播参数,以及待预测的目标信息从所述第一节点传播到所述第二节点的预设时长,确定所述目标信息从所述第一节点传播到所述第二节点的第一传播概率,其中,所述信息传播网络包括多个节点以及节点之间的连线,所述第一节点和所述第二节点为所述多个节点中互相连接的任意两个节点;
根据所述目标信息从与所述第二节点连接的各个节点传播到所述第二节点的第一传播概率,确定所述目标信息传播到所述第二节点的第二传播概率;
根据所述多个节点的第二传播概率,确定所述目标信息在所述信息传播网络中的传播预测结果
在一种可能的实现方式中,所述方法还包括:
根据历史信息在所述信息传播网络中的历史传播结果,确定所述历史信息在所述第一节点和所述第二节点之间的历史传播概率,其中,所述历史传播结果包括所述多个节点中接收到所述历史信息的参考节点以及各个参考节点接收到所述历史信息的时刻;
根据多个历史信息在所述第一节点与所述第二节点之间的历史传播概率,确定所述第一节点与所述第二节点之间的预设传播参数以及所述预设时长。
在一种可能的实现方式中,根据多个历史信息在所述第一节点与所述第二节点之间的历史传播概率,确定所述第一节点与所述第二节点之间的预设传播参数以及所述预设时长,包括:
将多个历史信息的历史传播概率中的最大值,确定为所述预设传播参数。
在一种可能的实现方式中,根据多个历史信息在所述第一节点与所述第二节点之间的历史传播概率,确定所述第一节点与所述第二节点之间的预设传播参数以及所述预设时长,包括:
将与所述预设传播参数对应的历史信息从所述第一节点传播到所述第二节点的历史时长,确定为所述预设时长。
在一种可能的实现方式中,根据所述多个节点的第二传播概率,确定所述目标信息在所述信息传播网络中的传播预测结果,包括:
在第三节点的第二传播概率大于或等于预设阈值时,确定所述目标信息传播到所述第三节点,所述第三节点为所述多个节点中的任意一个;
根据所述目标信息所传播到的节点的数量,确定所述目标信息在所述信息传播网络中的传播预测结果。
在一种可能的实现方式中,根据所述目标信息从与所述第二节点连接的各个节点传播到所述第二节点的第一传播概率,确定所述目标信息传播到所述第二节点的第二传播概率,包括:
根据与所述第二节点连接的各个节点传播到所述第二节点的第一传播概率的加权和,确定所述第二节点的第二传播概率。
根据本公开的另一方面,提供了一种信息传播预测系统,包括:第一传播概率确定模块,用于根据信息传播网络中第一节点与第二节点之间的预设传播参数,以及待预测的目标信息从所述第一节点传播到所述第二节点的预设时长,确定所述目标信息从所述第一节点传播到所述第二节点的第一传播概率,其中,所述信息传播网络包括多个节点以及节点之间的连线,所述第一节点和所述第二节点为所述多个节点中互相连接的任意两个节点;
第二传播概率确定模块,用于根据所述目标信息从与所述第二节点连接的各个节点传播到所述第二节点的第一传播概率,确定所述目标信息传播到所述第二节点的第二传播概率;
传播预测结果确定模块,用于根据所述多个节点的第二传播概率,确定所述目标信息在所述信息传播网络中的传播预测结果。
在一种可能的实现方式中,所述系统还包括:
历史传播概率确定模块,用于根据历史信息在所述信息传播网络中的历史传播结果,确定所述历史信息在所述第一节点和所述第二节点之间的历史传播概率,其中,所述历史传播结果包括所述多个节点中接收到所述历史信息的参考节点以及各个参考节点接收到所述历史信息的时刻;
传播参数及时长确定模块,用于根据多个历史信息在所述第一节点与所述第二节点之间的历史传播概率,确定所述第一节点与所述第二节点之间的预设传播参数以及所述预设时长。
根据本公开的另一方面,提供了一种信息传播预测系统,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为执行上述方法。
根据本公开的另一方面,提供了一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其中,所述计算机程序指令被处理器执行时实现上述方法。
根据本公开的实施例,能够根据信息传播网络中互相连接的第一节点和第二节点之间的预设传播参数和预设时长,确定目标信息从第一节点传播到第二节点的第一传播概率,确定目标信息传播到第二节点的第二传播概率,可以得到信息传播网络中每个节点对应的第二传播概率,综合分析信息在多个节点间传播的可能性,有利于提高预测结果的准确性。根据第二传播概率进一步确定传播预测结果,使得传播预测结果更加贴近目标信息在实际动态网络中的传播情况,提高了对目标信息在信息传播网络中传播预测的可靠性,进而可以为信息发布者提供具体的创造性指导,或者为信息传播策略提供参考。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面,并且用于解释本公开的原理。
图1示出根据本公开的实施例的信息传播预测方法的流程图。
图2示出根据本公开的实施例的信息传播网络的结构示意图。
图3示出根据本公开的实施例的信息传播网络中节点间第一概率分布的示意图。
图4a、图4b、图4c及图4d示出根据本公开的实施例的信息传播网络预测方法与现有方法的信息传播速率的结果比较的示意图。
图5示出根据本公开的实施例的信息传播预测系统的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开的实施例的信息传播预测方法的流程图。如图1所示,所述方法包括:
步骤S100,根据信息传播网络中第一节点与第二节点之间的预设传播参数,以及待预测的目标信息从所述第一节点传播到所述第二节点的预设时长,确定所述目标信息从所述第一节点传播到所述第二节点的第一传播概率;
步骤S200,根据所述目标信息从与所述第二节点连接的各个节点传播到所述第二节点的第一传播概率,确定所述目标信息传播到所述第二节点的第二传播概率;
步骤S300,根据所述多个节点的第二传播概率,确定所述目标信息在所述信息传播网络中的传播预测结果。
根据本公开的实施例,能够根据信息传播网络中互相连接的第一节点与第二节点之间的预设传播参数及预设时长,确定目标信息从第一节点传播到第二节点的第一传播概率;根据目标信息从与第二节点连接的各个节点传播到第二节点的第一传播概率,确定目标信息传播到第二节点的第二传播概率,可以得到信息传播网络中每个节点对应的第二传播概率,综合分析信息在多个节点间传播的可能性,有利于提高预测结果的准确性。根据第二传播概率进一步确定传播预测结果,使得传播预测结果更加贴近目标信息在实际动态网络中的传播情况,提高了对目标信息在信息传播网络中传播预测的可靠性。
本公开的实施例所述的信息传播网络可以指用户基于共同的兴趣、爱好、活动等行为,在网络平台上构建的一种社会关系网络。示例性地,信息传播网络可以是社交网络。本公开对信息传播网络的具体内容不作限制。
信息传播网络可以包括多个节点以及节点之间的连线。其中,信息传播网络中的节点可以是终端(端点用户用于和主机通信的设备,例如智能手机、平板等移动设备),还可以是终端在信息传播网络中所对应的IP地址等。节点之间的连线可以表示节点之间的通信连接。当一条信息从接收信息的节点传播到未接收信息的节点时,可以认定为产生一条信息传播链。
在一种可能的实现方式中,节点之间的连线可具有方向性,例如A节点与B节点之间的连线为从A节点指向B节点,表示信息可从A节点传播到B节点。本公开对节点之间的连线的具体方向不作限制。
本公开的实施例所述的目标信息可以是社交网络中的多媒体信息(例如文章、图片、视频等),目标信息可以在不同节点之间进行传播(例如浏览、转发等),本公开对目标信息的具体内容不作限制。
在一种可能的实现方式中,在进行信息传播预测之前,可以先确定信息传播网络中各个节点之间的预设传播参数。预设传播参数可以用于表示目标信息从第一节点传播到第二节点的预设概率,其中,第一节点和第二节点可以是信息传播网络多个节点中互相连接的任意两个节点。
在一种可能的实现方式中,所述信息传播预测方法还可以包括确定预设传播参数的步骤。可通过下述方式确定预设传播参数:
根据历史信息在信息传播网络中的历史传播结果,确定历史信息在第一节点和第二节点之间的历史传播概率,其中,历史传播结果包括多个节点中接收到历史信息的参考节点以及各个参考节点接收到历史信息的时刻;
根据多个历史信息在所述第一节点和所述第二节点之间的历史传播概率,确定所述第一节点和所述第二节点之间的预设传播参数以及所述预设时长。
图2示出了根据本公开的实施例的信息传播网络的结构示意图。需要说明的是,图2只是示例性地给出信息传播网络的结构示意图,实际应用中,图2可以是真实信息传播网络的局部结构。如图2所示,图2示例性地示出了信息传播网络包括10个节点,各个节点之间通过连线连接。10个节点可以依次设定为节点0、1、…、9,目标信息传播到10个节点的时间可以依次设定为(t0,t1,……t8,t9)。其中,t1=1可以表示为目标信息传播到节点1的时间为第1单位时刻,t2=3可以表示为目标信息传播到节点2的时间为第3单位时刻,以此类推。其中,单位时刻可以根据实际应用需要设定,例如可以将单位时刻设定为秒。
在一种可能的实现方式中,可通过下述方式确定历史信息的历史传播结果:
历史信息可以是使用例如爬虫技术从信息传播网络中获取的多媒体信息(例如文章、图片、视频等)。可以设定历史信息表示为(c1,c2,……,c9,c10),以历史信息c1为例,获取历史信息c1在信息传播网络中的传播结果。其中,历史信息c1的传播结果可以包括信息传播网络中接收到历史信息c1的参考节点(例如节点0、1、…、9),以及各个参考节点接收到历史信息c1的时刻(例如t0=4,t1=1,……t8=9,t9=7)。以历史信息c2为例,获取历史信息c2在信息传播网络中的传播结果,历史信息c2的传播结果可以包括接收到历史信息c2的参考节点(例如节点1、2、…、7、8),以及各个参考节点接收到历史信息c2的时刻(例如t1=1,t2=2……t7=4,t8=7)。
在一种可能的实现方式中,通过获取历史信息的传播结果,确定历史信息在第一节点和第二节点之间的历史传播概率。其中,可以通过公式(1)所示的方法确定历史信息在第一节点和第二节点之间的历史传播概率:
公式(1):
其中,f(t;Θ)表示在t时刻节点i和节点j之间的历史传播概率,T表示预设时间周期,ti、tm、tk、tj分别表示信息传播到节点i、m、k、j的时刻,i、m、k、j表示节点的编号,为正整数,tk∈(t0,t0+T)∪{∞},t0表示信息传播到信息传播网络中第一个节点的时间,∞表示在时间窗(t0,t0+T)内没有接收到目标信息的节点,H(ti|tj;θj,i)表示危险率函数,表示直到ti时刻节点i未接收到从节点j传播的信息,但节点i在ti时刻接收到其他节点传播的信息的概率;S(T|ti;θi,m)表示预设时间周期内,节点i未接收到从节点m传播的信息的概率;S(ti|tk;θk,i)表示直到ti时刻节点i未接收到从节点k传播的信息的概率;θj,i表示节点i和节点j之间的预设传播参数;θi,m表示节点i和节点m之间的预设传播参数;θk,i表示节点i和节点k之间的预设传播参数;
f(ti|tj;θj,i)表示历史信息在ti时刻从节点j传播到节点i的传播概率,S(ti|tj;θj,i)表示生存函数,表示直到ti时刻节点i未接收到从节点j传播的信息的概率;S(ti|tj;θj,i)=1-F(ti|tj;θj,i),
综合分析历史信息在信息传播网络中的传播结果,并确定历史信息在第一节点和第二节点之间的历史传播概率,有助于分析信息在节点之间传播的可能性,进而能够提高后续预测结果的准确性。
在一种可能的实现方式中,可以根据历史传播概率,确定所述第一节点和所述第二节点之间的预设传播参数。其中,根据多个历史信息在所述第一节点与所述第二节点之间的历史传播概率,确定所述第一节点与所述第二节点之间的预设传播参数以及所述预设时长的步骤,包括:
将多个历史信息的历史传播概率中的最大值,确定为所述预设传播参数。
可以理解的是,实际应用中,信息在信息传播网络中传播是动态变化的,信息在第一节点和第二节点之间的传播概率会随着时间的变化而变化,为了能够使得传播预测结果更加贴近目标信息在实际动态网络中的传播情况,可以将第一节点和第二节点之间多个历史传播概率中的最大值,确定为第一节点和第二节点之间的预设传播参数。其中,可以通过最大似然估计法确定第一节点和第二节点之间的预设传播参数。
在一种可能的实现方式中,可以按照如下公式(2)所示的方法确定第一节点和第二节点之间的预设传播参数:
公式(2):
θj,i(t)≥0,i,j=1,…,N,i≠j
其中,Θ(t)表示第一节点和第二节点之间的预设传播参数,Ct表示历史信息的集合,c表示集合中的单个历史信息,wc(t)表示权重函数,表示历史信息c在信息传播网络中完成一次信息传播所需的时间跨度,θj,i(t)表示信息从节点i传播到节点j的概率,N表示信息传播网络中所有节点的数量,δ表示预设的时间参数,其值可以根据实际需要进行设定。
具体地,以节点1和节点2为例,设定历史信息表示为(c1,c2,……,c9,c10),通过公式(1)所示的方法可以确定历史信息在节点1和节点2之间的历史传播概率,设定与历史信息相对应的历史传播概率为(f1,f2,……,f9,f10),假定历史传播概率的取值依次为f1=34%、f2=56%、……、f9=46%、f10=43%,基于公式(2)所示的方法,确定多个历史信息在节点1和节点2之间多个历史传播概率中的最大值,假定为f5,在此基础上,进一步确定历史传播概率中的最大值对应的预设传播参数。
在一种可能的实现方式中,所述信息传播预测方法还可以包括确定预设时长的步骤。可选地,可通过下述方式确定预设时长:
将与所述预设传播参数对应的历史信息从所述第一节点传播到所述第二节点的历史时长,确定为所述预设时长。
以第一节点为节点i,第二节点为节点j为例进行说明,其中,i,j=1,…,N,i≠j,N表示信息传播网络中所有节点的数量。在实际应用中,节点i接收信息的时间是确定的,假定节点i接收信息的时间为ti,但是在对信息传播进行预测时,信息从节点i传播到节点j的时间是未知,是需要进行预测的。在前述方法确定了节点i和节点j之间的预设传播参数的情况下,可以将预设传播参数所对应的时间确定为信息从节点i传播到节点j的时间。
假定节点i和节点j之间的预设传播参数为θj,i,则信息从节点i传播到节点j的时间对应为tj,由此可以确定信息从节点i传播到节点j的预设时长为(tj-ti)。
以节点i为节点1、节点j为节点2、节点i和节点j之间的预设传播参数θj,i为0.3为例,并结合附图2,对确定信息从节点i传播到节点j的预设时长进行说明:
设定节点1接收目标信息的时间t1=1,节点1和节点2之间的预设传播参数θ1,2=0.3,根据公式(2)所示的方法,确定节点之间预设传播参数的同时,能够确定预设传播参数所对应的时间,也即能够将预设传播参数所对应的时间确定为信息从节点1传播到节点2的时间,通过计算可知,t2=3,由此可以确定信息从节点1传播到节点2的预设时长为2个单位时刻。
根据信息传播到第一节点的时间以及第一节点和第二节点之间的预设传播参数所确定的预设时长,是在满足传播预测结果贴近信息在实际动态网络中的传播情况下所确定的时长,同样有助于分析信息在节点之间传播的可能性,进而能够提高后续预测结果的准确性。
在一种可能的实现方式中,根据所述预设传播参数以及所述预设时长,确定目标信息从第一节点传播到第二节点的第一传播概率。
在一种可能的实现方式中,步骤S100可以包括:按照如下公式(3)所示的方法确定目标信息从第一节点传播到第二节点的第一传播概率:
公式(3):
其中,f(ti|tj;θj,i)表示目标信息从节点j传播到节点i的第一传播概率,θj,i表示节点j和节点i之间的预设传播参数,(ti-tj)表示预设时长。
图3示出根据本公开的实施例的信息传播网络中节点间第一概率分布的示意图。需要说明的是,图3只是示例性地给出信息传播网络的结构,实际应用中,图3可以是真实信息传播网络的局部结构。如图3所示,图3示例性示出了信息传播网络包括10个节点,以及根据本公开的实施例确定的网络中节点间的第一传播概率。
具体地,以节点1和节点2为例,节点1接收目标信息的时间t1=1,根据前述公式(1)和公式(2)对应的方法,可以确定节点1和节点2之间的预设传播参数为0.24,在确定了节点间预设传播参数的基础上,可以进一步确定信息从节点1传播到节点2预设时长为2个单位时刻,最后,根据节点1和节点2之间的预设传播参数、信息从节点1传播到节点2的预设时长确定目标信息从节点1传播到节点2的第一传播概率可以为0.3。此处仅是示例性说明,本公开的实施例对确定网络中节点的第一传播概率的方法不作限定。
可以理解的是,通过公式(3)可知,目标信息在节点之间的传播概率会随着节点接收目标信息的时间差增大而减小。此外,第一传播概率会随着目标信息从第一节点传播到第二节点的预设时长的变化而变化,因此,第一传播概率的计算方法符合目标信息在实际动态网络中的传播规律。
在一种可能的实现方式中,根据所述目标信息从与所述第二节点连接的各个节点传播到所述第二节点的第一传播概率,确定所述目标信息传播到所述第二节点的第二传播概率。
参照图2可知,部分节点同时与多个节点连接,以节点2为例进行说明,目标信息可能从节点1传播到节点2,也可能从节点4传播到节点2。因此,可以根据目标信息从与第二节点连接的各个节点传播到第二节点的第一传播概率,确定目标信息传播到第二节点的第二传播概率。可选地,可以根据与所述第二节点连接的各个节点传播到所述第二节点的第一传播概率的加权和,确定所述第二节点的第二传播概率。
在一种可能的实现方式中,步骤S200可以包括:按照如下公式(4)所示的方法确定目标信息传播到第二节点的第二传播概率:
公式(4):
其中,f(ti|t1,…,tN\tj;Θ)表示目标信息从与节点i连接的各个节点传播到节点i的第二传播概率。
以节点2、节点1以及节点4为例进行说明。假定节点1和节点2之间的预设传播参数为f(t2=3|t1=1;θ1,2)=0.3,节点2和节点4之间的预设传播参数为f(t2=3|t4=2;θ4,2)=0.6,通过上述公式(4)可以确定目标信息传播到节点2的第二传播概率为0.9。此处仅是示例性说明,本公开对此不进行限定。
通过上述内容可知,从与单个节点连接的各个节点传播到该单个节点的第一传播概率,确定目标信息传播该单个节点的第二传播概率能够综合分析目标信息在多个节点间传播的可能性,有利于提高预测结果的准确性。
在一种可能的实现方式中,根据所述多个节点的第二传播概率,确定所述目标信息在所述信息传播网络中的传播预测结果。
在一种可能的实现方式中,步骤S300可以包括:在第三节点的第二传播概率大于或等于预设阈值时,确定所述目标信息传播到所述第三节点,所述第三节点为所述多个节点中的任意一个;
根据所述目标信息所传播到的节点的数量,确定所述目标信息在所述信息传播网络中的传播预测结果。
以第三节点为节点2,节点2的第二传播概率为0.9,预设阈值为0.5为例进行说明。节点2的第二传播概率大于预设阈值,则可以确定目标信息会传播到节点2。通过这种方式可以确定目标信息所传播到的节点的数量,进而确定信息在信息传播网络中的传播预测结果。
根据本公开的实施例,第一传播概率是随着信息从第一节点传播到第二节点的预设时长的变化而变化的。在此基础上,根据目标信息从与第二节点连接的各个节点传播到第二节点的第一传播概率,确定目标信息传播到第二节点的第二传播概率,可以得到信息传播网络中每个节点对应的第二传播概率,综合分析信息在多个节点间传播的可能性,有利于提高预测结果的准确性。根据第二传播概率进一步确定传播预测结果,使得传播预测结果更加贴近目标信息在实际动态网络中的传播情况,提高了对目标信息在信息传播网络中传播预测的可靠性,进而可以为信息发布者提供具体的创造性指导,或者为信息传播策略提供参考。
为了验证本公开的实施例信息传播预测方法的有效性,在给定4种信息演化规则的基础上,将本公开的实施例预测的信息传播速率与实际信息传播速率进行比较,以此验证本公开的实施例的信息传播预测方法的有效性。
可选地,4种信息演化规则可以分别是突发型方波信息演化规则、周期型方波信息演化规则、周期型锯齿波信息演化规则以及突发型三角波信息演化规则。其中,突发型方波信息演化规则和突发型三角波信息演化规则主要针对目标信息在信息传播网络中传播概率突然增加的节点;周期型方波信息演化规则和周期型锯齿波信息演化规则主要针对在特定时间段内(例如一天中的某段时间或者一周中的某段时间),目标信息在信息传播网络中传播概率呈现周期性变化的节点。突发型方波信息演化规则和周期型方波信息演化规则为时间非连续型信息演化规则,周期型锯齿波信息演化规则和突发型三角波信息演化规则为时间连续型信息演化规则。在实际验证过程中,可以对网络中任意两个节点之间随机分配上述4种信息演化规则中的任意一种,每种信息演化规则为信息在节点之间传播设定随时间变化的传播概率。为了保证实验的有效性,可以在单位时间内产生1000条信息传播链,对每条信息传播链随机选择初始传播节点。
图4a、图4b、图4c及图4d分别示出了根据本公开的实施例的信息传播网络预测方法与现有方法的信息传播概率的结果比较的示意图。图4a、图4b、
图4c及图4d分别示出了在选用突发型方波信息演化规则、周期型方波信息演化规则、周期型锯齿波信息演化规则以及突发型三角波信息演化规则下,本公开的实施例的信息传播预测概率与信息传播实际概率的结果比较。以图4a为例,图4a中,常规线段构成的部分表示信息传播的实际传播概率,带有*的线段构成的部分表示突发型方波信息演化规则对应的预测传播概率,其他附图在此不再赘述。通过图4a-图4d的内容可知,本公开的实施例的信息传播预测方法所预测的信息传播概率能够很好地贴近信息在实际动态网络中的传播情况。
图5示出本公开的实施例的信息传播预测系统的框图。如图5所示,所述信息传播预测系统包括:
第一传播概率确定模块51,用于根据信息传播网络中第一节点与第二节点之间的预设传播参数,以及待预测的目标信息从所述第一节点传播到所述第二节点的预设时长,确定所述目标信息从所述第一节点传播到所述第二节点的第一传播概率,其中,所述信息传播网络包括多个节点以及节点之间的连线,所述第一节点和所述第二节点为所述多个节点中互相连接的任意两个节点;
第二传播概率确定模块52,用于根据所述目标信息从与所述第二节点连接的各个节点传播到所述第二节点的第一传播概率,确定所述目标信息传播到所述第二节点的第二传播概率;
传播预测结果确定模块53,用于根据所述多个节点的第二传播概率,确定所述目标信息在所述信息传播网络中的传播预测结果。
在一种可能的实现方式中,所述系统还包括:
历史传播概率确定模块,用于根据历史信息在所述信息传播网络中的历史传播结果,确定所述历史信息在所述第一节点和所述第二节点之间的历史传播概率,其中,所述历史传播结果包括所述多个节点中接收到所述历史信息的参考节点以及各个参考节点接收到所述历史信息的时刻;
传播参数及时长确定模块,用于根据多个历史信息在所述第一节点与所述第二节点之间的历史传播概率,确定所述第一节点与所述第二节点之间的预设传播参数以及所述预设时长。
根据本公开的另一方面,提供了一种信息传播预测系统,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为执行上述方法。
根据本公开的另一方面,提供了一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其中,所述计算机程序指令被处理器执行时实现上述方法。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种信息传播预测方法,其特征在于,包括:
根据信息传播网络中第一节点与第二节点之间的预设传播参数,以及待预测的目标信息从所述第一节点传播到所述第二节点的预设时长,确定所述目标信息从所述第一节点传播到所述第二节点的第一传播概率,其中,所述信息传播网络包括多个节点以及节点之间的连线,所述第一节点和所述第二节点为所述多个节点中互相连接的任意两个节点;
根据所述目标信息从与所述第二节点连接的各个节点传播到所述第二节点的第一传播概率,确定所述目标信息传播到所述第二节点的第二传播概率;
根据所述多个节点的第二传播概率,确定所述目标信息在所述信息传播网络中的传播预测结果。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据历史信息在所述信息传播网络中的历史传播结果,确定所述历史信息在所述第一节点和所述第二节点之间的历史传播概率,其中,所述历史传播结果包括所述多个节点中接收到所述历史信息的参考节点以及各个参考节点接收到所述历史信息的时刻;
根据多个历史信息在所述第一节点与所述第二节点之间的历史传播概率,确定所述第一节点与所述第二节点之间的预设传播参数以及所述预设时长。
3.根据权利要求2所述的方法,其特征在于,根据多个历史信息在所述第一节点与所述第二节点之间的历史传播概率,确定所述第一节点与所述第二节点之间的预设传播参数以及所述预设时长,包括:
将多个历史信息的历史传播概率中的最大值,确定为所述预设传播参数。
4.根据权利要求3所述的方法,其特征在于,根据多个历史信息在所述第一节点与所述第二节点之间的历史传播概率,确定所述第一节点与所述第二节点之间的预设传播参数以及所述预设时长,包括:
将与所述预设传播参数对应的历史信息从所述第一节点传播到所述第二节点的历史时长,确定为所述预设时长。
5.根据权利要求1所述的方法,其特征在于,根据所述多个节点的第二传播概率,确定所述目标信息在所述信息传播网络中的传播预测结果,包括:
在第三节点的第二传播概率大于或等于预设阈值时,确定所述目标信息传播到所述第三节点,所述第三节点为所述多个节点中的任意一个;
根据所述目标信息所传播到的节点的数量,确定所述目标信息在所述信息传播网络中的传播预测结果。
6.根据权利要求1所述的方法,其特征在于,根据所述目标信息从与所述第二节点连接的各个节点传播到所述第二节点的第一传播概率,确定所述目标信息传播到所述第二节点的第二传播概率,包括:
根据与所述第二节点连接的各个节点传播到所述第二节点的第一传播概率的加权和,确定所述第二节点的第二传播概率。
7.一种信息传播预测系统,其特征在于,包括:
第一传播概率确定模块,用于根据信息传播网络中第一节点与第二节点之间的预设传播参数,以及待预测的目标信息从所述第一节点传播到所述第二节点的预设时长,确定所述目标信息从所述第一节点传播到所述第二节点的第一传播概率,其中,所述信息传播网络包括多个节点以及节点之间的连线,所述第一节点和所述第二节点为所述多个节点中互相连接的任意两个节点;
第二传播概率确定模块,用于根据所述目标信息从与所述第二节点连接的各个节点传播到所述第二节点的第一传播概率,确定所述目标信息传播到所述第二节点的第二传播概率;
传播预测结果确定模块,用于根据所述多个节点的第二传播概率,确定所述目标信息在所述信息传播网络中的传播预测结果。
8.根据权利要求7所述的系统,其特征在于,所述系统还包括:
历史传播概率确定模块,用于根据历史信息在所述信息传播网络中的历史传播结果,确定所述历史信息在所述第一节点和所述第二节点之间的历史传播概率,其中,所述历史传播结果包括所述多个节点中接收到所述历史信息的参考节点以及各个参考节点接收到所述历史信息的时刻;
传播参数及时长确定模块,用于根据多个历史信息在所述第一节点与所述第二节点之间的历史传播概率,确定所述第一节点与所述第二节点之间的预设传播参数以及所述预设时长。
9.一种信息传播预测系统,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行权利要求1至6中任意一项所述的方法。
10.一种非易失性计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至6中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911236188.9A CN110932909B (zh) | 2019-12-05 | 2019-12-05 | 信息传播预测方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911236188.9A CN110932909B (zh) | 2019-12-05 | 2019-12-05 | 信息传播预测方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110932909A CN110932909A (zh) | 2020-03-27 |
CN110932909B true CN110932909B (zh) | 2022-02-18 |
Family
ID=69857244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911236188.9A Active CN110932909B (zh) | 2019-12-05 | 2019-12-05 | 信息传播预测方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110932909B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113542132A (zh) * | 2020-04-21 | 2021-10-22 | 华为技术有限公司 | 路由信息扩散方法、装置和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104134159A (zh) * | 2014-08-04 | 2014-11-05 | 中国科学院软件研究所 | 一种基于随机模型预测信息最大化传播范围的方法 |
CN107888422A (zh) * | 2017-11-27 | 2018-04-06 | 石家庄铁道大学 | 社区网络可信节点层间交互的分析方法 |
CN107944635A (zh) * | 2017-12-13 | 2018-04-20 | 福州大学 | 一种融合话题因子的信息传播预测模型及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105991397B (zh) * | 2015-02-04 | 2020-03-03 | 阿里巴巴集团控股有限公司 | 信息传播方法和装置 |
-
2019
- 2019-12-05 CN CN201911236188.9A patent/CN110932909B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104134159A (zh) * | 2014-08-04 | 2014-11-05 | 中国科学院软件研究所 | 一种基于随机模型预测信息最大化传播范围的方法 |
CN107888422A (zh) * | 2017-11-27 | 2018-04-06 | 石家庄铁道大学 | 社区网络可信节点层间交互的分析方法 |
CN107944635A (zh) * | 2017-12-13 | 2018-04-20 | 福州大学 | 一种融合话题因子的信息传播预测模型及方法 |
Non-Patent Citations (1)
Title |
---|
基于邻居节点间相互影响和改进概率的社交网络信息传播模型;张永;《计算机应用研究》;20180321;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110932909A (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10355869B2 (en) | Private blockchain transaction management and termination | |
US9661019B2 (en) | System and method for distributed denial of service identification and prevention | |
CN103279512B (zh) | 利用社会网络上最有影响力节点实现高效病毒营销的方法 | |
Kandhway et al. | Campaigning in heterogeneous social networks: Optimal control of SI information epidemics | |
Wang et al. | A novel approach for inhibiting misinformation propagation in human mobile opportunistic networks | |
CN110807207B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN109947740B (zh) | 区块链系统的性能优化方法及装置 | |
WO2021082863A1 (zh) | 一种共识节点的评估方法及装置 | |
Brown et al. | Personality, parasites, political attitudes, and cooperation: A model of how infection prevalence influences openness and social group formation | |
US10469504B1 (en) | Systems and methods for using one or more networks to assess a metric about an entity | |
CN111949890A (zh) | 基于医学领域的数据推荐方法、设备、服务器及存储介质 | |
CN112636991B (zh) | 一种基于中介中心度的多类vnf部署方法 | |
CN112948885B (zh) | 实现隐私保护的多方协同更新模型的方法、装置及系统 | |
CN110932909B (zh) | 信息传播预测方法、系统及存储介质 | |
Ciobanu et al. | SPRINT‐SELF: social‐based routing and selfish node detection in opportunistic networks | |
Rebuli et al. | Hybrid Markov chain models of S–I–R disease dynamics | |
Lin et al. | Advanced algorithms for local routing strategy on complex networks | |
WO2022188534A1 (zh) | 信息推送的方法和装置 | |
CN116484113B (zh) | 一种基于动态信任感知的群体观点预测方法及系统 | |
CN111966920A (zh) | 舆情传播的稳定条件的预测方法、装置及设备 | |
Huang et al. | Modeling and analysis on congestion control for data transmission in sensor clouds | |
CN107707383B (zh) | 放通处理方法、装置、第一网元及第二网元 | |
CN114584627A (zh) | 一种具有网络监控功能的中台调度系统及方法 | |
Masakuna et al. | Distributed Identification of Central Nodes with Less Communication | |
Fan et al. | A data dissemination mechanism based on evaluating behavior for vehicular delay-tolerant networks |
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 |