CN117217946A - 一种传播影响力的确定方法、装置、设备及存储介质 - Google Patents
一种传播影响力的确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117217946A CN117217946A CN202211729333.9A CN202211729333A CN117217946A CN 117217946 A CN117217946 A CN 117217946A CN 202211729333 A CN202211729333 A CN 202211729333A CN 117217946 A CN117217946 A CN 117217946A
- Authority
- CN
- China
- Prior art keywords
- service
- social
- node
- log
- business
- 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
- 238000000034 method Methods 0.000 title claims abstract description 88
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 138
- 230000002776 aggregation Effects 0.000 claims abstract description 75
- 238000004220 aggregation Methods 0.000 claims abstract description 75
- 230000011273 social behavior Effects 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims description 38
- 238000000354 decomposition reaction Methods 0.000 claims description 20
- 238000012163 sequencing technique Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 10
- 230000003203 everyday effect Effects 0.000 claims description 10
- 238000013473 artificial intelligence Methods 0.000 abstract description 17
- 230000000694 effects Effects 0.000 description 34
- 238000005516 engineering process Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 18
- 238000004891 communication Methods 0.000 description 12
- 230000006399 behavior Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 10
- 238000013461 design Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000002195 synergetic effect Effects 0.000 description 6
- 230000002354 daily effect Effects 0.000 description 5
- 238000013136 deep learning model Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000003058 natural language processing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000001737 promoting effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000004931 aggregating effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种传播影响力的确定方法、装置、设备及存储介质,相关实施例可应用于人工智能等各种场景,用于提高获取传播影响力的效率。本申请实施例的方法包括:基于对象社交关系日志以及对象社交行为日志,构建社交拓扑网络,基于社交拓扑网络,按照结构重要性算法,计算每个节点对应的结构重要性数值,基于对象活跃日志,获取每个业务对象对应的对象属性特征,并进行特征聚合,得到对象属性聚合特征数值,基于结构重要性数值以及对象属性聚合特征数值,确定每个业务对象对应的业务传播影响力数值,基于每个业务对象对应的业务传播影响力数值以及目标业务的业务类型,选定业务推荐策略,并基于推荐策略对目标业务进行业务推荐。
Description
技术领域
本申请实施例涉及传播影响力处理技术领域,尤其涉及一种传播影响力的确定方法、装置、设备及存储介质。
背景技术
随着互联网及移动通讯技术的发展,网络游戏、终端游戏、电子零售或网络社区等社交程序应运而生。社交程序的发展对人类生活有着极大影响,无论是交友,工作还是日常消遣,人们已经习惯依赖社交程序来获取信息和进行娱乐。而具有高影响力的用户在社交网络中可以作为信息传播源头,促进社交业务的有效传播和推广。故为了让社交业务传播得更快,范围更广,关键就在于寻找到最具有传播影响力的节点。由于网络中总用户数量巨大,网络结构复杂,寻找有高传播影响力的用户是十分困难的。
现有的传播影响力通常是通过贪心算法,具体可以是基于信息级联模型来仿真社交传播,然后在每一步迭代中都选择当前边际传播范围最广的节点,从而得到影响力最大的用户群体。
但是,采用贪心算法的前提是该社交业务的传播过程必须遵循特定的级联模型(比如,独立级联模型和线性阈值模型等),然而,大部分社交业务的传播现象是十分复杂,在实际业务活动中确定合适的扩散模型并不容易,导致计算用户群体的影响力的复杂度增高,从而导致获取用户群体的影响力的效率降低。
发明内容
本申请实施例提供了一种传播影响力的确定方法、装置、设备及存储介质,用于通过对象属性聚合特征数值和结构重要性数据值来快速确定每个业务对象的业务传播影响力数值,无需依赖于特定传播模型,或者依赖海量的传播数据来训练特定的深度学习模型,可以有效简化计算复杂度,快速获取每个业务对象的传播影响力,从而可以基于每个业务对象的传播影响力更好更迅速地进行目标业务的推荐,以有效提高目标业务场景中的点击率以及目标业务的活动传播范围。
本申请实施例一方面提供了一种传播影响力的确定方法,包括:
获取每个业务对象在目标业务中的业务日志,其中,业务日志至少包括对象社交关系日志、对象社交行为日志以及对象活跃日志;
基于对象社交关系日志以及对象社交行为日志,构建社交拓扑网络,其中,社交拓扑网络包括多个节点和节点连边,一个节点对应一个业务对象,一个节点连边用于表示任意两个业务对象之间存在社交关系以及社交行为;
基于社交拓扑网络,按照结构重要性算法,计算每个节点对应的结构重要性数值,其中,结构重要性算法是基于目标业务的业务类型选定的;
基于对象活跃日志,获取每个业务对象对应的对象属性特征;
对每个业务对象对应的对象属性特征进行特征聚合,得到每个业务对象对应的对象属性聚合特征数值;
基于结构重要性数值以及对象属性聚合特征数值,确定每个业务对象对应的业务传播影响力数值;
基于每个业务对象对应的业务传播影响力数值以及目标业务的业务类型,选定业务推荐策略,并基于推荐策略对目标业务进行业务推荐。
本申请另一方面提供了一种传播影响力的确定方法装置,包括:
获取单元,用于获取每个业务对象在目标业务中的业务日志,其中,业务日志至少包括对象社交关系日志、对象社交行为日志以及对象活跃日志;
处理单元,用于基于对象社交关系日志以及对象社交行为日志,构建社交拓扑网络,其中,社交拓扑网络包括多个节点和节点连边,一个节点对应一个业务对象,一个节点连边用于表示任意两个业务对象之间存在社交关系以及社交行为;
处理单元,还用于基于社交拓扑网络,按照结构重要性算法,计算每个节点对应的结构重要性数值,其中,结构重要性算法是基于目标业务的业务类型选定的;
获取单元,还用于基于对象活跃日志,获取每个业务对象对应的对象属性特征;
处理单元,还用于对每个业务对象对应的对象属性特征进行特征聚合,得到每个业务对象对应的对象属性聚合特征数值;
确定单元,用于基于结构重要性数值以及对象属性聚合特征数值,确定每个业务对象对应的业务传播影响力数值;
处理单元,还用于基于每个业务对象对应的业务传播影响力数值以及目标业务的业务类型,选定业务推荐策略,并基于推荐策略对目标业务进行业务推荐。
在一种可能的设计中,本申请实施例另一方面的一种实现方式中,处理单元具体可以用于:
将每个业务对象作为节点;
基于对象社交关系日志以及对象业务对局日志,若任意两个节点之间存在社交关系且有对局行为,则通过一个节点连边连接节点,以得到社交拓扑网络结构。
在一种可能的设计中,本申请实施例另一方面的一种实现方式中,处理单元具体可以用于:
若目标业务的业务类型为局部推荐业务类型,则从结构重要性算法集合中随机选取一个局部结构重要性算法;
基于网络拓扑网络,按照局部结构重要性算法,计算每个节点对应的结构重要性数值。
在一种可能的设计中,本申请实施例另一方面的一种实现方式中,处理单元具体可以用于:
针对于社交拓扑网络中每个节点,获取节点对应的邻居节点数量以及节点连边数量;
基于引用指数算法中的引用算子,以及邻居节点数量以及节点连边数量,计算每个节点对应引用指数,并将引用指数作为结构重要性数值。
在一种可能的设计中,本申请实施例另一方面的一种实现方式中,处理单元具体可以用于:
若目标业务的业务类型为全局推荐业务类型,则从结构重要性算法集合中随机选取一个全局结构重要性算法;
基于社交拓扑网络,按照全局结构重要性算法,计算每个节点对应的结构重要性数值。
在一种可能的设计中,本申请实施例另一方面的一种实现方式中,处理单元具体可以用于:
针对于社交拓扑网络中每个节点,获取节点对应节点连边数量;
基于K核分解算法中的K值以及节点连边数量,对社交拓扑网络进行节点分解,得到每个节点对应的核数,并将核数作为结构重要性数值,其中,K为大于等于1的整数。
在一种可能的设计中,本申请实施例另一方面的一种实现方式中,获取单元具体可以用于:
基于对象登录日志,获取每个业务对象在历史时间段的历史登录数据;
基于历史登录数据,确定每个业务对象在历史时间段内每天的对象属性特征;
处理单元具体可以用于:对每个业务对象在历史时间段内每天的对象属性特征进行加和,并将得到的和值作为每个业务对象对应的对象属性聚合特征数值;
确定单元具体可以用于:将结构重要性数值以及对象属性聚合特征数值相乘,并将得到的乘积作为每个业务对象对应的业务传播影响力数值。
在一种可能的设计中,本申请实施例另一方面的一种实现方式中,处理单元具体可以用于:
若目标业务的业务类型为局部推荐业务类型,则选定业务推荐策略为局部社交推荐策略;
基于社交拓扑网络,获取每个节点对应的一阶邻居节点集合;
基于每个业务对象对应的业务传播影响力数值,按照由大到小排序,对一阶邻居节点集合中一阶邻居节点进行排序,得到第一排序结果;
基于局部社交推荐策略,从第一排序结果中选取前M个一阶邻居节点,作为节点对应的M个待推荐对象,其中,M为大于等于1的整数;
在业务对象使用的显示界面上显示M个待推荐对象,并将目标业务的业务包推荐至M个待推荐对象。
在一种可能的设计中,本申请实施例另一方面的一种实现方式中,处理单元具体可以用于:
若目标业务的业务类型为全局推荐业务类型,则选定业务推荐策略为全局社交推荐策略;
对每个业务对象对应的业务传播影响力数值,按照由大到小排序,得到第二排序结果;
基于全局社交传播策略,从第二排序结果中选取前N个业务传播影响力数值对应的业务对象作为N个种子对象,其中,N为大于等于1的整数;
向N个种子对象投放N个目标业务对应的种子包。
本申请另一方面提供了一种计算机设备,包括:存储器、处理器以及总线系统;
其中,存储器用于存储程序;
处理器用于执行存储器中的程序时实现如上述各方面的方法;
总线系统用于连接存储器以及处理器,以使存储器以及处理器进行通信。
本申请的另一方面提供了一种计算机可读存储介质,计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述各方面的方法。
从以上技术方案可以看出,本申请实施例具有以下有益效果:
通过获取每个业务对象在目标业务中的至少包括有对象社交关系日志、对象社交行为日志以及对象活跃日志的业务日志,进而,可以先基于对象社交关系日志以及对象社交行为日志,构建包括有多个节点和节点连边的社交拓扑网络,并基于社交拓扑网络,按照结构重要性算法,计算每个节点对应的结构重要性数值,同时,可以基于对象活跃日志,获取每个业务对象对应的对象属性特征,并对每个业务对象对应的对象属性特征进行特征聚合,以获取到每个业务对象对应的对象属性聚合特征数值,然后,基于结构重要性数值以及对象属性聚合特征数值,确定每个业务对象对应的业务传播影响力数值,并基于每个业务对象对应的业务传播影响力数值以及目标业务的业务类型,选定业务推荐策略,再基于推荐策略对目标业务进行业务推荐。通过上述方式,通过能够用于表示每个业务对象的日常活跃程度的对象活跃日志,来获取对象属性聚合特征数值,同时,能够基于对象社交关系日志以及对象社交行为日志,来构建能够直观形象反映业务对象之间联系的社交拓扑网络,以计算网络中每个节点的结构重要性数据值,然后,直接通过对象属性聚合特征数值和结构重要性数据值来快速确定每个业务对象的业务传播影响力数值,无需依赖于特定传播模型,或者依赖海量的传播数据来训练特定的深度学习模型,可以有效简化计算复杂度,快速获取每个业务对象的传播影响力,从而可以基于每个业务对象的传播影响力更好更迅速地进行目标业务的推荐,以有效提高目标业务场景中的点击率以及目标业务的活动传播范围。
附图说明
图1是本申请实施例中图像数据控制系统的一个架构示意图;
图2是本申请实施例中传播影响力的确定方法的一个实施例流程图;
图3是本申请实施例中传播影响力的确定方法的另一个实施例流程图;
图4是本申请实施例中传播影响力的确定方法的另一个实施例流程图;
图5是本申请实施例中传播影响力的确定方法的另一个实施例流程图;
图6是本申请实施例中传播影响力的确定方法的另一个实施例流程图;
图7是本申请实施例中传播影响力的确定方法的另一个实施例流程图;
图8是本申请实施例中传播影响力的确定方法的另一个实施例流程图;
图9是本申请实施例中传播影响力的确定方法的另一个实施例流程图;
图10是本申请实施例中传播影响力的确定方法的另一个实施例流程图;
图11是本申请实施例中传播影响力的确定方法的一个原理流程流程图;
图12是本申请实施例中传播影响力的确定方法的一个社交拓扑网络的示意图;
图13是本申请实施例中传播影响力的确定方法的一个局部社交推荐的显示页面示意图;
图14是本申请实施例中传播影响力的确定方法的一个全局社交传播的显示页面示意图;
图15是本申请实施例中传播影响力的确定方法装置的一个实施例示意图;
图16是本申请实施例中计算机设备的一个实施例示意图。
具体实施方式
本申请实施例提供了一种传播影响力的确定方法、装置、设备及存储介质,用于通过对象属性聚合特征数值和结构重要性数据值来快速确定每个业务对象的业务传播影响力数值,无需依赖于特定传播模型,或者依赖海量的传播数据来训练特定的深度学习模型,可以有效简化计算复杂度,快速获取每个业务对象的传播影响力,从而可以基于每个业务对象的传播影响力更好更迅速地进行目标业务的推荐,以有效提高目标业务场景中的点击率以及目标业务的活动传播范围。
本申请的说明书和权利要求书及附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“对应于”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了便于理解,先对本申请实施例涉及到的一些术语或概念进行解释。
1、社交拓扑网络:是由目标业务(如游戏)内业务对象(如玩家)以及这些业务对象之间的联系所组成的图,图中每个点代表一个业务对象,边代表业务对象之间存在的交互行为。
2、结构重要性指标:是用于衡量一个节点(如玩家)在社交拓扑网络中的重要性,通常为连续型数值。
3、一阶邻居节点集合:用于表示业务对象在目标业务(如游戏)内的好友所组成的集合。
4、度:节点的度定义为与该节点相连的边的数目,也可以用于表示一阶邻居节点的数量。
5、K核子图:一个K核子图是指对一个社交拓扑网络进行反复去除度小于或等于k的节点后,所剩余的子图。
可以理解的是,在本申请的具体实施方式中,涉及到业务对象日志以及社交拓扑网络等相关的数据,当本申请以上实施例运用到具体产品或技术中时,需要获得用户许可或者同意,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
可以理解的是,如本申请所公开的传播影响力的确定方法,具体涉及智能车路协同系统(Intelligent Vehicle Infrastructure Cooperative Systems,IVICS),下面进一步地对智能车路协同系统进行介绍。智能车路协同系统简称车路协同系统,是智能交通系统(ITS)的一个发展方向。车路协同系统是采用先进的无线通信和新一代互联网等技术,全方位实施车车、车路动态实时信息交互,并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理,充分实现人车路的有效协同,保证交通安全,提高通行效率,从而形成的安全、高效和环保的道路交通系统。
可以理解的是,如本申请所公开的传播影响力的确定方法,还涉及人工智能(Artificial Intelligence,AI)技术,下面进一步地对人工智能技术进行介绍。人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
其次,自然语言处理(Nature Language processing,NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此,这一领域的研究将涉及自然语言,即人们日常使用的语言,所以它与语言学的研究有着密切的联系。自然语言处理技术通常包括文本处理、语义理解、机器翻译、机器人问答、知识图谱等技术。
其次,机器学习(Machine Learning,ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。
随着人工智能技术研究和进步,人工智能技术在多个领域展开研究和应用,例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服等,相信随着技术的发展,人工智能技术将在更多的领域得到应用,并发挥越来越重要的价值。
应理解的是,本申请提供的传播影响力的确定方法可应用于各种场景,包括但不限于人工智能、云技术、地图、智慧交通等,用于通过业务日志获取对象属性聚合特征数值,以及构建社交拓扑网络来计算节点的结构重要性数据值,以基于对象属性聚合特征数值和结构重要性数据值来确定业务传播影响力数值,以完成对目标业务的推荐,以应用于如智能好友互动系统、游戏好友召回、智能业务投放系统、智慧交通优惠业务推荐等场景。
为了解决上述问题,本申请提出了一种传播影响力的确定方法,该方法应用于图1所示的图像数据控制系统,请参阅图1,图1为本申请实施例中图像数据控制系统的一个架构示意图,如图1所示,通过服务器获取终端设备提供的每个业务对象在目标业务中的至少包括有对象社交关系日志、对象社交行为日志以及对象活跃日志的业务日志,进而,可以先基于对象社交关系日志以及对象社交行为日志,构建包括有多个节点和节点连边的社交拓扑网络,并基于社交拓扑网络,按照结构重要性算法,计算每个节点对应的结构重要性数值,同时,可以基于对象活跃日志,获取每个业务对象对应的对象属性特征,并对每个业务对象对应的对象属性特征进行特征聚合,以获取到每个业务对象对应的对象属性聚合特征数值,然后,基于结构重要性数值以及对象属性聚合特征数值,确定每个业务对象对应的业务传播影响力数值,并基于每个业务对象对应的业务传播影响力数值以及目标业务的业务类型,选定业务推荐策略,再基于推荐策略对目标业务进行业务推荐。通过上述方式,通过能够用于表示每个业务对象的日常活跃程度的对象活跃日志,来获取对象属性聚合特征数值,同时,能够基于对象社交关系日志以及对象社交行为日志,来构建能够直观形象反映业务对象之间联系的社交拓扑网络,以计算网络中每个节点的结构重要性数据值,然后,直接通过对象属性聚合特征数值和结构重要性数据值来快速确定每个业务对象的业务传播影响力数值,无需依赖于特定传播模型,或者依赖海量的传播数据来训练特定的深度学习模型,可以有效简化计算复杂度,快速获取每个业务对象的传播影响力,从而可以基于每个业务对象的传播影响力更好更迅速地进行目标业务的推荐,以有效提高目标业务场景中的点击率以及目标业务的活动传播范围。
可以理解的是,图1中仅示出了一种终端设备,在实际场景中可以由更多种类的终端设备参与到数据处理的过程中,终端设备包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端等,具体数量和种类因实际场景而定,具体此处不做限定。另外,图1中示出了一个服务器,但在实际场景中,也可以有多个服务器的参与,特别是在多模型训练交互的场景中,服务器的数量因实际场景而定,具体此处不做限定。
需要注意的是,本实施例中,服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(contentdelivery network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接,终端设备以及服务器可以连接组成区块链网络,本申请在此不做限制。
结合上述介绍,下面将对本申请中传播影响力的确定方法进行介绍,请参阅图2,本申请实施例中传播影响力的确定方法一个实施例包括:
在步骤S101中,获取每个业务对象在目标业务中的业务日志,其中,业务日志至少包括对象社交关系日志、对象社交行为日志以及对象活跃日志;
在本申请实施例中,当每个业务对象(如游戏玩家)在使用目标业务(如游戏A)进行组队聊天或组队游戏等社交活动时,会产生相应的社交活动数据并记录为每个业务对象对应的业务日志,然后,当业务方需要进一步对该目标业务(如游戏A)进行推广或传播时,可以通过获取每个业务对象在目标业务中的业务日志,以使后续可以基于获取到的业务日志来准确计算每个业务对象的传播影响力数值。
其中,业务日志至少包括对象社交关系日志、对象社交行为日志以及对象活跃日志。对象社交关系日志是用于描述业务对象之间的社交关系的日志,例如,好友关系日志,如每个业务对象(如游戏玩家)在目标业务(如游戏A)内游戏好友列表,用于表示与该业务对象具有好友关系的其他的业务对象(即其他游戏玩家)。对象社交行为日志是用于描述每个业务对象在目标业务内的社交行为的日志,例如,业务对局日志(如游戏对局日志),如每个业务对象(如游戏玩家)在目标业务(如游戏A)内,与其他业务对象(如其他游戏玩家)有组队对局的行为,或者,例如,业务沟通日志(如游戏聊天日志),如每个业务对象(如游戏玩家)在目标业务(如游戏A)内,与其他业务对象(如其他游戏玩家)开启聊天房间进行组队聊天的行为等等,还可以是其他行为日志,此处不作具体限制。对象活跃日志是用于描述每个业务对象在一段历史时间段内的活跃状态的日志,例如,对象登录日志(如游戏登录日志),如每个业务对象(如游戏玩家)在一段历史时间段内登录目标业务(如游戏A)的天数、次数和时长等等。
具体地,如图11所示,当业务方需要进一步对目标业务(如游戏A)进行推广或传播时,可以通过随机选取X个(如100个)业务对象,然后,获取X个业务对象中每个业务对象(如游戏玩家)在目标业务(如游戏A)中的业务日志(如图11所示意的游戏内业务对象日志),例如,好友关系日志、业务对局日志(如游戏对局日志)、业务沟通日志(如游戏聊天日志)以及对象登录日志(如游戏登录日志)等等,其中,X为大于等于1的整数。
在步骤S102中,基于对象社交关系日志以及对象社交行为日志,构建社交拓扑网络,其中,社交拓扑网络包括多个节点和节点连边,一个节点对应一个业务对象,一个节点连边用于表示任意两个业务对象之间存在社交关系以及社交行为;
在本申请实施例中,在获取到对象社交关系日志以及对象社交行为日志之后,可以根据对象社交关系日志以及对象社交行为日志,构建能够直观形象反映业务对象之间联系的社交拓扑网络,以使后续能够通过计算社交拓扑网络中每个节点的结构重要性数据值,来辅助能够反映业务对象的活跃程度的对象属性聚合特征数值,进一步准确计算每个业务对象的传播影响力数值。
其中,社交拓扑网络包括多个节点和用于连接节点的节点连边,社交拓扑网络中一个节点对应于一个业务对象,一个节点连边连接存在社交关系以及社交行为的任意两个业务对象,以反映业务对象之间联系。
具体地,如图12所示,在获取到X个业务对象中每个业务对象的对象社交关系日志以及对象社交行为日志之后,可以将这X个业务对象作为网络中的节点(如图12所示意的圆形),即可以得到赋值有如数字1至X的节点,然后,可以根据每个业务对象的对象社交关系日志,从X个业务对象中筛选出与业务对象(如节点1)具有社交关系的Q个候选业务对象,然后,可以根据每个业务对象的对象社交行为日志,从Q个候选业务对象中筛选出与该业务对象具有社交行为的P个目标业务对象,然后,通过P个节点连边(如图12所示意的连接两个圆形之间的直线),分别连接业务对象(如节点1)与其他P个目标业务对象(如P个邻居节点),依次类推,绘制得到一个能够反映业务对象之间联系社交拓扑网络(如图12所示意的社交拓扑网络)。
在步骤S103中,基于社交拓扑网络,按照结构重要性算法,计算每个节点对应的结构重要性数值,其中,结构重要性算法是基于目标业务的业务类型选定的;
在本申请实施例中,在获取到社交拓扑网络之后,可以按照结构重要性算法,计算出社交拓扑网络中每个节点对应的结构重要性数值,以使后续可以通过结构重要性数据值,来辅助能够反映业务对象的活跃程度的对象属性聚合特征数值,进一步准确计算每个业务对象的传播影响力数值。
其中,结构重要性算法是基于目标业务的业务类型选定的,具体可以表现为局部结构重要性算法(例如,引用指数算法,或者衍生指数算法,或者变形指数算法等)和全局结构重要性算法(例如,K核分解算法,或者接近中心性算法,或者协同影响力算法等等)。
具体地,如图11所示,当业务方需要进一步对目标业务(如游戏A)进行推广或传播时,可以预先为该目标业务(如游戏A)选定推广方向或推广业务类型(例如,局部推荐业务类型,如小范围的游戏好友召回),故在业务方在获取到社交拓扑网络之后,可以先通过该目标业务(如游戏A)选定推广方向或推广业务类型(例如,局部推荐业务类型,如小范围的游戏好友召回),选择合适的结构重要性算法(例如,引用指数算法),然后,可以按照结构重要性算法(例如,引用指数算法),为社交拓扑网络中每个节点计算相对应的结构重要性数值(例如,每个节点对应的引用指数)。
在步骤S104中,基于对象活跃日志,获取每个业务对象对应的对象属性特征;
在本申请实施例中,在获取到对象活跃日志之后,可以从对象活跃日志中提取到每个业务对象对应的对象属性特征,以使后续能够通过聚合对象属性特征得到每个业务对象对应的对象属性聚合特征数值,来辅助能够反映业务对象之间结构关系的重要程度的结构重要性数据值,进一步准确计算每个业务对象的传播影响力数值。
其中,对象属性特征是用于描述业务对象在目标业务中的某种活跃行为(例如,登录游戏次数、游戏付费次数或在线时长等等)的活跃程度的活跃数值,例如,活跃数值为0,用于表示业务对象B在第Y天登录目标业务(如游戏A),或者,活跃数值为1,用于表示业务对象B在第Y天没有登录目标业务(如游戏A)。
具体地,如图11所示,在获取到对象活跃日志之后,可以根据具体的对象活跃日志(例如,对象登录日志),获取每个业务对象对应的对象属性特征,具体可以是通过对象活跃日志(例如,对象登录日志)中对对象属性特征的描述,进行相应活跃值的赋值,以获取到该对象属性特征。
在步骤S105中,对每个业务对象对应的对象属性特征进行特征聚合,得到每个业务对象对应的对象属性聚合特征数值;
在本申请实施例中,在获取到每个业务对象对应的对象属性特征,可以通过预设的聚合函数对每个业务对象对应的对象属性特征进行特征聚合,以获取到能够反映每个业务对象在一段历史时间段内的活跃程度的对象属性聚合特征数值,以使后续基于对象属性聚合特征数值,来辅助能够反映业务对象的活跃程度的对象属性聚合特征数值,进一步准确计算每个业务对象的传播影响力数值。
具体地,在获取到每个业务对象在一段历史时间段内每天的对象属性特征,可以通过预设的聚合函数(例如,加和函数,或者指数加权求和函数等等),来把每个业务对象在一段历史时间段内每天的对象属性特征聚合(例如,进行加和或加权求和)为该历史时间段对应的特征总值,即能够反映的活跃程度的对象属性聚合特征数值。
在步骤S106中,基于结构重要性数值以及对象属性聚合特征数值,确定每个业务对象对应的业务传播影响力数值;
在本申请实施例中,在获取到结构重要性数值以及对象属性聚合特征数值之后,可以基于结构重要性数值以及对象属性聚合特征数值,来快速准确地确定每个业务对象对应的业务传播影响力数值,以使后续可以基于每个业务对象对应的业务传播影响力数值,更好地为目标业务进行推广和传播。
具体地,如图11所示,在获取到结构重要性数值以及对象属性聚合特征数值之后,可以进行传播影响力计算(如图11所示意的传播影响力数值计算),具体可以是聚合函数(例如,指数加权求和函数,或者乘法函数),对获取到结构重要性数值以及对象属性聚合特征数值进行聚合,并得到聚合数值作为该每个业务对象对应的业务传播影响力数值。
在步骤S107中,基于每个业务对象对应的业务传播影响力数值以及目标业务的业务类型,选定业务推荐策略,并基于推荐策略对目标业务进行业务推荐。
在本申请实施例中,在获取到每个业务对象对应的业务传播影响力数值,可以先基于每个业务对象对应的业务传播影响力数值以及目标业务的业务类型,选定业务推荐策略,然后,可以按照推荐策略向业务对象进行目标业务的业务推荐。
具体地,如果目标业务的业务类型为局部推荐业务类型,则可以选定业务推荐策略为局部社交推荐策略,进而,可以基于社交拓扑网络,获取到每个节点对应的一阶邻居节点集合,再基于每个业务对象对应的业务传播影响力数值,按照由大到小排序,对一阶邻居节点集合中一阶邻居节点进行排序,以获取到第一排序结果,然后,基于局部社交推荐策略,从第一排序结果中选取前M个一阶邻居节点,作为节点对应的M个待推荐对象,如图13所示,当业务对象(如游戏玩家1)登录目标业务时,可以在业务对象(如游戏玩家1)使用的显示界面上显示M个待推荐对象(如图13所示意的用户A至用户F的游戏邀请提示),在业务对象点击确定邀请按钮后,服务器可以将目标业务的业务包(邀请提示信息或数据包)推荐至M个待推荐对象,以实现对M个待推荐对象(M个游戏玩家)的游戏好友召回,从而提高目标业务(如游戏A)的点击率。
进一步地,如果目标业务的业务类型为全局推荐业务类型,则可以选定业务推荐策略为全局社交推荐策略,进而,可以对每个业务对象对应的业务传播影响力数值,按照由大到小排序,以获取到第二排序结果,然后,基于全局社交传播策略,从第二排序结果中选取前N个业务传播影响力数值对应的业务对象作为N个种子对象,如图14所示,并向N个种子对象投放N个目标业务对应的种子包,即可以当N个种子对象中的种子对象(如游戏玩家2)登录目标业务时,可以在业务对象(如游戏玩家2)使用的显示界面上显示种子包对应的推广页面(如图14所示意的选中幸运用户的幸运传递页面),当业务对象(如游戏玩家2)选中页面中任意盲盒后,服务器会随机向业务对象(如游戏玩家2)发放一个目标业务(如游戏A)的奖励,来吸引或鼓励业务对象(如游戏玩家2)在目标业务(如游戏A)中的活跃程度,以及通过业务对象(如游戏玩家2)向周围的群体推荐该目标业务(如游戏A)的奖励,来吸引或鼓励更多的群体参与到目标业务(如游戏A)中,从而可以提高目标业务(如游戏A)的点击率以及目标业务(如游戏A)的活动传播范围。
在本申请实施例中,提供了一种传播影响力的确定方法,通过上述方式,通过能够用于表示每个业务对象的日常活跃程度的对象活跃日志,来获取对象属性聚合特征数值,同时,能够基于对象社交关系日志以及对象社交行为日志,来构建能够直观形象反映业务对象之间联系的社交拓扑网络,以计算网络中每个节点的结构重要性数据值,然后,直接通过对象属性聚合特征数值和结构重要性数据值来快速确定每个业务对象的业务传播影响力数值,无需依赖于特定传播模型,或者依赖海量的传播数据来训练特定的深度学习模型,可以有效简化计算复杂度,快速获取每个业务对象的传播影响力,从而可以基于每个业务对象的传播影响力更好更迅速地进行目标业务的推荐,以有效提高目标业务场景中的点击率以及目标业务的活动传播范围。
可选地,在上述图2对应的实施例的基础上,本申请实施例提供的传播影响力的确定方法另一个可选实施例中,如图3所示,当对象社交行为日志为对象业务对局日志时,步骤S102基于对象社交关系日志以及对象社交行为日志,构建社交拓扑网络,包括:
在步骤S301中,将每个业务对象作为节点;
在步骤S302中,基于对象社交关系日志以及对象业务对局日志,若任意两个节点之间存在社交关系且有对局行为,则通过一个节点连边连接节点,以得到社交拓扑网络结构。
在本申请实施例中,在获取到对象社交关系日志以及对象业务对局日志之后,可以将每个业务对象作为节点,然后,根据对象社交关系日志以及对象社交行为日志,筛选出存在社交关系且有对局行为的两个节点进行连接,从而构建能够直观形象反映业务对象之间联系的社交拓扑网络,以使后续能够通过计算社交拓扑网络中每个节点的结构重要性数据值,来辅助能够反映业务对象的活跃程度的对象属性聚合特征数值,进一步准确计算每个业务对象的传播影响力数值。
具体地,如图12所示,当业务方需要进一步对目标业务(如游戏A)进行推广或传播时,可以通过随机选取X个(如100个)业务对象,进而,在获取到X个业务对象中每个业务对象的对象社交关系日志以及对象业务对局日志之后,可以将这X个业务对象作为网络中的节点(如图12所示意的若干个表示游戏玩家的圆形节点),即可以得到赋值有如数字1至X的节点。
进一步地,可以根据每个业务对象的对象社交关系日志(如好友关系日志),从X个业务对象中筛选出与业务对象(如节点1)具有社交关系(如游戏好友关系)的Q个候选业务对象,然后,可以根据每个业务对象的对象业务对局日志,从Q个候选业务对象中筛选出与该业务对象(如节点1)进行过组队对局行为的P个目标业务对象(如P个一阶邻居节点),然后,通过P个节点连边(如图12所示意的连接两个圆形之间的直线),分别连接业务对象(如节点1)与其他P个目标业务对象(即P个一阶邻居节点),依次类推,绘制得到一个能够反映业务对象之间游戏对局联系的社交拓扑网络(如图12所示意的社交拓扑网络)。
可以理解的是,对象社交行为日志还可以表现为其他日志,如对象业务沟通日志,或者其他行为日志,此处不作具体限制。例如,当对象社交行为日志为对象业务沟通日志时,可以根据每个业务对象的对象社交关系日志(如好友关系日志),从X个业务对象中筛选出与业务对象(如节点3)具有社交关系(如游戏好友关系)的E个候选业务对象,然后,可以根据每个业务对象的对象业务沟通日志,从E个候选业务对象中筛选出与该业务对象(如节点3)通过聊天房间进行过组队聊天行为的R个目标业务对象(如R个一阶邻居节点),然后,通过R个节点连边(如图12所示意的连接两个圆形之间的直线),分别连接业务对象(如节点3)与其他R个目标业务对象(即R个一阶邻居节点),依次类推,绘制得到一个能够反映业务对象之间游戏沟通联系的社交拓扑网络。
可选地,在上述图2对应的实施例的基础上,本申请实施例提供的传播影响力的确定方法另一个可选实施例中,如图4所示,结构重要性算法包括局部结构重要性算法;步骤S103基于社交拓扑网络,按照结构重要性算法,计算每个节点对应的结构重要性数值,包括:
在步骤S401中,若目标业务的业务类型为局部推荐业务类型,则从结构重要性算法集合中随机选取一个局部结构重要性算法;
在步骤S402中,基于网络拓扑网络,按照局部结构重要性算法,计算每个节点对应的结构重要性数值。
在本申请实施例中,如果目标业务的业务类型为局部推荐业务类型,则可以从结构重要性算法集合中随机先选取一个局部结构重要性算法,然后,在获取到社交拓扑网络之后,可以按照局部结构重要性算法,计算出社交拓扑网络中每个节点对应的结构重要性数值,以使后续可以通过结构重要性数据值,来辅助能够反映业务对象的活跃程度的对象属性聚合特征数值,进一步准确计算每个业务对象的传播影响力数值。
其中,局部结构重要性算法具体可以表现为引用指数算法(即H-index,H指数算法),或者衍生指数算法(即G-index,G指数算法),或者变形指数算法(即W-index,W指数算法)等,还可以表现为其他局部结构重要性算法,此处不作具体限制。
其中,引用指数又称为h指数或h因子(h-factor),其中,h代表“高引用次数(highcitations)”,可以理解的是,一个节点对应的的h指数越高,则表明该节点的影响力越大,即在社交拓扑网络中的结构重要性越高。衍生指数又称为g指数是h指数的衍生指数,g指数注重与排序后的引用次数,g≥h,一个节点对应的的g指数越高,则表明该节点的影响力越大,即在社交拓扑网络中的结构重要性越高。变形指数又称为w指数是h指数的变形指数,w指数更关注高影响力的引用关系,w表示其一阶邻居中有w个节点的度至少为10w,而其余邻居的度均小于10(w+1),一个节点对应的的w指数越高,则表明该节点的影响力越大,即在社交拓扑网络中的结构重要性越高。
具体地,如图11所示,当业务方需要进一步对目标业务(如游戏A)进行推广或传播时,可以预先为该目标业务(如游戏A)选定推广方向或推广业务类型,即当目标业务的业务类型为局部推荐业务类型(例如,小范围的游戏好友召回),故在业务方在获取到社交拓扑网络之后,可以先通过该目标业务(如游戏A)选定的局部推荐业务类型(例如,小范围的游戏好友召回),从结构重要性算法集合中随机选择一个合适的局部结构重要性算法(例如,变形指数算法),然后,可以按照局部结构重要性算法(例如,变形指数算法),为社交拓扑网络中每个节点计算相对应的结构重要性数值(例如,每个节点对应的变形指数)。
可选地,在上述图4对应的实施例的基础上,本申请实施例提供的传播影响力的确定方法另一个可选实施例中,如图5所示,当局部结构重要性算法为引用指数算法时,步骤S402基于社交拓扑网络,按照局部结构重要性算法,计算每个节点对应的结构重要性数值,包括:
在步骤S501中,针对于社交拓扑网络中每个节点,获取节点对应的邻居节点数量以及节点连边数量;
在步骤S502中,基于引用指数算法中的引用算子,以及邻居节点数量以及节点连边数量,计算每个节点对应引用指数,并将引用指数作为结构重要性数值。
在本申请实施例中,如果从结构重要性算法集合中随机选取到的一个局部结构重要性算法为引用指数算法时,则可以针对于社交拓扑网络中每个节点,先获取节点对应的邻居节点数量以及节点连边数量,然后,可以基于引用指数算法中的引用算子,以及邻居节点数量以及节点连边数量,计算每个节点对应引用指数,并将引用指数作为结构重要性数值。
具体地,当从结构重要性算法集合中随机选择的一个合适的局部结构重要性算法为引用指数算法之后,可以按照引用指数算法,先从社交拓扑网络获取到每个节点对应的邻居节点数量(如在社交拓扑网络中该节点对应的游戏好友的数量),以及节点连边数量(即在社交拓扑网络中该节点对应的度)。
进一步地,可以获取引用指数算法中的引用算子h(即h为大于等于1的整数),引用算子h可以作用在一组实数上,并返回一个非负整数,就是这组实数的H指数,例如,在获取到每个节点对应的邻居节点数量以及节点连边数量之后,可以基于引用算子h,筛选出每个节点对应的邻居节点数量,即一阶邻居节点中有h个节点的度,即节点连边数量至少为h,而其余邻居,即非一阶邻居节点的度均小于(h+1),则可以筛选得到引用指数为h的节点,并将引用指数h作为该节点的结构重要性数值。
可选地,在上述图2对应的实施例的基础上,本申请实施例提供的传播影响力的确定方法另一个可选实施例中,如图6所示,所结构重要性算法包括全局结构重要性算法;步骤S103基于社交拓扑网络,按照结构重要性算法,计算每个节点对应的结构重要性数值,包括:
在步骤S601中,若目标业务的业务类型为全局推荐业务类型,则从结构重要性算法集合中随机选取一个全局结构重要性算法;
在步骤S602中,基于社交拓扑网络,按照全局结构重要性算法,计算每个节点对应的结构重要性数值。
在本申请实施例中,如果目标业务的业务类型为全局推荐业务类型,则可以从结构重要性算法集合中随机先选取一个全局结构重要性算法,然后,在获取到社交拓扑网络之后,可以按照全局结构重要性算法,计算出社交拓扑网络中每个节点对应的结构重要性数值,以使后续可以通过结构重要性数据值,来辅助能够反映业务对象的活跃程度的对象属性聚合特征数值,进一步准确计算每个业务对象的传播影响力数值。
其中,全局结构重要性算法具体表现为K核分解算法,或者接近中心性算法,或者协同影响力算法等等,还可以表现为其他全局结构重要性算法,此处不作具体限制。
其中,K核分解算法用于表示如果一个节点存在于k核子图,那么在(k+1)核子图中被移去后,那么此节点的K核指数为k,即k核数越大,节点处于网络结构中更核心的位置,因此,该节点在社交拓扑网络中的结构重要性越高。接近中心性算法指的是用于刻画节点在几何上的中心位置,如果节点到图中其他节点的最短距离都很小,则其接近中心性就很高,即该节点在社交拓扑网络中的结构重要性越高,其中,一个节点的接近中心性等于网络中其他节点到该节点最短距离的和的倒数。协同影响力算法用于指示一个节点j的协同影响力,等价于节点的度与该节点对应的第l阶邻居的度之和的乘积,其中,l为超参数,通常l可以设置为3。
具体地,如图11所示,当业务方需要进一步对目标业务(如游戏A)进行推广或传播时,可以预先为该目标业务(如游戏A)选定推广方向或推广业务类型,即当目标业务的业务类型为全局推荐业务类型(例如,全网的幸运游戏账户投放),故在业务方在获取到社交拓扑网络之后,可以先通过该目标业务(如游戏A)选定的全局推荐业务类型(例如,全网的幸运游戏账户投放),从结构重要性算法集合中随机选择一个合适的全局结构重要性算法(例如,协同影响力算法),然后,可以按照全局结构重要性算法(例如,协同影响力算法),为社交拓扑网络中每个节点计算相对应的结构重要性数值(例如,每个节点对应的协同影响力数值)。
可选地,在上述图6对应的实施例的基础上,本申请实施例提供的传播影响力的确定方法另一个可选实施例中,如图7所示,当全局结构重要性算法为K核分解算法时,在步骤S602基于社交拓扑网络,按照全局结构重要性算法,计算每个节点对应的结构重要性数值,包括:
在步骤S701中,针对于社交拓扑网络中每个节点,获取节点对应节点连边数量;
在步骤S702中,基于K核分解算法中的K值以及节点连边数量,对社交拓扑网络进行节点分解,得到每个节点对应的核数,并将核数作为结构重要性数值,其中,K为大于等于1的整数。
在本申请实施例中,如果从结构重要性算法集合中随机选取到的一个全局结构重要性算法为K核分解算法时,则可以针对于社交拓扑网络中每个节点,先获取节点对应的节点连边数量,然后,可以基于K核分解算法中的K值以及节点连边数量,对社交拓扑网络进行节点分解,得到每个节点对应的核数,并将核数作为结构重要性数值。
具体地,当从结构重要性算法集合中随机选择的一个合适的全局结构重要性算法为K核分解算法之后,可以按照K核分解算法,先从社交拓扑网络获取到每个节点对应的节点连边数量(即在社交拓扑网络中该节点对应的度,即与一阶邻居节点连边的数量)。
进一步地,基于K核分解算法中的K值以及节点连边数量,对社交拓扑网络进行节点分解,即可以先从社交拓扑网络找出所有度为1即K=1的节点,将其删除,进而,在剩下的节点中继续查找度为1的节点,并删除,直到社交拓扑网络中没有度为1的节点,则可以将之前删除的所有度为1的节点kshell值赋值为1,以获取到核数k=1的节点。同理,可以接着查找度为2的节点,并赋值得到核数k=2的节点,依次类推,可以赋值得到核数k=3、k=4、......的节点,可以理解的是,核数k值越高,表示节点的影响力越大,即该节点在社交拓扑网络中的结构重要性越高。
可选地,在上述图2对应的实施例的基础上,本申请实施例提供的传播影响力的确定方法另一个可选实施例中,如图8所示,当对象活跃日志为对象登录日志时;步骤S104基于对象活跃日志,获取每个业务对象对应的对象属性特征,包括:步骤S801至步骤S802;步骤S105还包括:步骤S803;以及步骤S106还包括:步骤S804;
在步骤S801中,基于对象登录日志,获取每个业务对象在历史时间段的历史登录数据;
在步骤S802中,基于历史登录数据,确定每个业务对象在历史时间段内每天的对象属性特征;
在步骤S803中,对每个业务对象在历史时间段内每天的对象属性特征进行加和,并将得到的和值作为每个业务对象对应的对象属性聚合特征数值;
在步骤S804中,将结构重要性数值以及对象属性聚合特征数值相乘,并将得到的乘积作为每个业务对象对应的业务传播影响力数值。
在本申请实施例中,当对象活跃日志为对象登录日志时,可以基于对象登录日志,获取每个业务对象在历史时间段的历史登录数据,并基于历史登录数据,确定每个业务对象在历史时间段内每天的对象属性特征,进而,可以对每个业务对象在历史时间段内每天的对象属性特征进行加和,并将得到的和值作为每个业务对象对应的对象属性聚合特征数值,然后,可以将结构重要性数值以及对象属性聚合特征数值相乘,并将得到的乘积作为每个业务对象对应的业务传播影响力数值,以使后续可以基于每个业务对象对应的业务传播影响力数值,更好地为目标业务进行推广和传播。
其中,历史登录数据是用于描述业务对象在历史时间段内登录目标业务的次数(如登录游戏A的次数),例如,业务对象B在第Y天登录目标业务(如游戏A),或者业务对象B在第Y天没有登录目标业务(如游戏A)。
具体地,如图11所示,在获取到对象登录日志之后,可以根据具体的对象登录日志,获取每个业务对象对应的对象属性特征,具体可以是通过对象登录日志中对在历史时间段内登录目标业务的次数,进行相应活跃值的赋值,以获取到该对象属性特征,如下式(1)所示:
其中,i表示业务对象,k表示第k天,k大于等于1小于等于T,单位通常为天,其中,T为历史时间段的时间长度,通常设置为30天。
可以理解的是,对象活跃日志还可以表现为其他日志,如对象付费日志,用于描述每个业务对象在历史时间段内每天为目标业务支付的金额,或者,还可以表现为对象在线时长日志,用于描述每个业务对象在历史时间段内每天登录目标业务的时长,还可以表现为其他,此处不作具体限制。
故上述式(1)中的δ(i,k)也可取自其他活跃数值和付费数值,例如,包括但不限于在线时长、对局次数以及付费金额等。
进一步地,在获取到每个业务对象在一段历史时间段内每天的对象属性特征(如业务对象每天登录目标业务对应的活跃值),可以通过预设的聚合函数,例如,如下式(2)所示的加和函数,来把每个业务对象在一段历史时间段内每天的对象属性特征聚进行聚合,以获取到对象属性聚合特征数值:
其中,i表示业务对象,k表示第k天,k大于等于1小于等于T,单位通常为天,其中,T为历史时间段的时间长度,通常设置为30天。
进一步地,在获取到每个业务对象在一段历史时间段内每天的对象属性特征(如业务对象每天登录目标业务对应的活跃值),可以通过预设的聚合函数,例如,如下式(3)所示的指数加权求和函数,来把每个业务对象在一段历史时间段内每天的对象属性特征聚进行聚合,以获取到对象属性聚合特征数值:
其中,i表示业务对象,k表示第k天,k大于等于1小于等于T,单位通常为天,其中,T为历史时间段的时间长度,通常设置为30天,λ为超级参数。
可以理解的是,可以定义a(i)=f{δ(i,k)k=1,...,T},为对象属性聚合特征数值,其中,f{·}是为业务对象聚合对象属性特征的聚合函数,是可取任意可处理数值型输入的确定性聚合函数,包括但不限于加和函数、指数加权求和函数。
进一步地,如图11所示,在获取到结构重要性数值以及对象属性聚合特征数值之后,可以进行传播影响力计算(如图11所示意的传播影响力数值计算),具体可以是下式(4)所示的聚合函数,对获取到结构重要性数值以及对象属性聚合特征数值进行聚合,以获取到每个业务对象对应的业务传播影响力数值:
s(i)=w(i)*a(i)(4);
其中,i表示业务对象,w(i)表示每个业务对象i对应的结构重要性数值,a(i)表示每个业务对象i对应的对象属性聚合特征数值,s(i)表示每个业务对象i对应的业务传播影响力数值。
可以理解的是,s(i)越大,表示节点的传播影响力越大。以及使用上述(4)中的乘积作为聚合方式,能够在维持数据分布不变的同时,还可以不考虑各因子量纲的差别,从而节省计算资源,在一定程度上提高获取业务传播影响力数值的效率。
可选地,在上述图2对应的实施例的基础上,本申请实施例提供的传播影响力的确定方法另一个可选实施例中,如图9所示,步骤S107基于每个业务对象对应的业务传播影响力数值以及目标业务的业务类型,选定业务推荐策略,并基于推荐策略对目标业务进行业务推荐,包括:
在步骤S901中,若目标业务的业务类型为局部推荐业务类型,则选定业务推荐策略为局部社交推荐策略;
在步骤S902中,基于社交拓扑网络,获取每个节点对应的一阶邻居节点集合;
在步骤S903中,基于每个业务对象对应的业务传播影响力数值,按照由大到小排序,对一阶邻居节点集合中一阶邻居节点进行排序,得到第一排序结果;
在步骤S904中,基于局部社交推荐策略,从第一排序结果中选取前M个一阶邻居节点,作为节点对应的M个待推荐对象,其中,M为大于等于1的整数;
在步骤S905中,在业务对象使用的显示界面上显示M个待推荐对象,并将目标业务的业务包推荐至M个待推荐对象。
在本申请实施例中,如果目标业务的业务类型为局部推荐业务类型,则可以选定业务推荐策略为局部社交推荐策略,进而,可以基于社交拓扑网络,获取到每个节点对应的一阶邻居节点集合,再基于每个业务对象对应的业务传播影响力数值,按照由大到小排序,对一阶邻居节点集合中一阶邻居节点进行排序,以获取到第一排序结果,然后,基于局部社交推荐策略,从第一排序结果中选取前M个一阶邻居节点,作为节点对应的M个待推荐对象,并在业务对象使用的显示界面上显示M个待推荐对象,并将目标业务的业务包推荐至M个待推荐对象,能够更好地实现在业务对象能够产生明显影响局部范围内进行业务推荐,从而可以在一定程度上提高目标业务的点击率。
其中,局部社交推荐策略是用于向业务对象能够产生明显影响局部范围内进行业务推荐向的策略,例如,游戏好友召回策略、游戏好友互赠礼品策略、游戏好友特殊关注策略等等,此处不作具体限制。一阶邻居节点集合包括至少一个一阶邻居节点,一阶邻居节点用于表示与当前节点为好友关系的邻居节点(如图12所示意的与一个圆形通过直线直接进行关联的另一个圆形)。
具体地,当业务方需要进一步对目标业务(如游戏A)进行推广或传播时,可以预先为该目标业务(如游戏A)选定推广方向或推广业务类型,如果目标业务的业务类型为局部推荐业务类型(例如,小范围的游戏好友召回),则可以选定业务推荐策略为局部社交推荐策略(例如,游戏好友召回策略),进而,可以基于社交拓扑网络,获取到每个节点对应的一阶邻居节点集合。例如,对于如图12所示意的一个圆形节点j∈V,其中,j用于表示任意一个节点,V表示社交拓扑网络中的节点总数,从社交拓扑网络中,筛选与该圆形节点直接通过直线进行关联的另一个或多个圆形节点i,即一个或多个一阶邻居节点i,以获取到一阶邻居节点集合Fj,其中,i∈Fj。
进一步地,在获取到每个节点对应的一阶邻居节点集合Fj之后,可以基于每个业务对象对应的业务传播影响力数值,按照由大到小排序,对一阶邻居节点集合中每个一阶邻居节点i进行排序,以获取到第一排序结果,例如,假设节点1对应的一阶邻居节点集合中有8个一阶邻居节点,按照由大到小排序,得到业务传播影响力数值排序分别56、48、42、35、30、28、27以及24,分别对应于一阶邻居节点2、5、7、8、6、13、12和17的第一排序结果。
进一步地,可以基于局部社交推荐策略,从第一排序结果中选取前M个一阶邻居节点,作为节点对应的M个待推荐对象,例如,从第一排序结果中选取前M个(如前6个)一阶邻居节点,如将一阶邻居节点2、5、7、8、6和13,作为节点对应的M个(如6个)待推荐对象。
进一步地,可以在业务对象使用的显示界面上显示M个待推荐对象,具体可以是如图13所示,当业务对象(如游戏玩家1)登录目标业务时,可以在业务对象(如游戏玩家1)使用的显示界面上显示M个待推荐对象(如图13所示意的用户A至用户F的游戏邀请提示),在业务对象点击确定邀请按钮后,服务器可以将目标业务的业务包(邀请提示信息或数据包)推荐至M个待推荐对象,以实现对M个待推荐对象(M个游戏玩家)的游戏好友召回,从而提高目标业务(如游戏A)的点击率。
可选地,在上述图2对应的实施例的基础上,本申请实施例提供的传播影响力的确定方法另一个可选实施例中,如图10所示,步骤S107基于每个业务对象对应的业务传播影响力数值以及目标业务的业务类型,选定业务推荐策略,并基于推荐策略对目标业务进行业务推荐,包括:
在步骤S1001中,若目标业务的业务类型为全局推荐业务类型,则选定业务推荐策略为全局社交推荐策略;
在步骤S1002中,对每个业务对象对应的业务传播影响力数值,按照由大到小排序,得到第二排序结果;
在步骤S1003中,基于全局社交传播策略,从第二排序结果中选取前N个业务传播影响力数值对应的业务对象作为N个种子对象,其中,N为大于等于1的整数;
在步骤S1004中,向N个种子对象投放N个目标业务对应的种子包。
在本申请实施例中,如果目标业务的业务类型为全局推荐业务类型,则可以选定业务推荐策略为全局社交推荐策略,进而,可以对每个业务对象对应的业务传播影响力数值,按照由大到小排序,以获取到第二排序结果,然后,基于全局社交传播策略,从第二排序结果中选取前N个业务传播影响力数值对应的业务对象作为N个种子对象,并向N个种子对象投放N个目标业务对应的种子包,从而可以基于种子包鼓励和吸引更多的业务对象,从而可以在一定程度上提高目标业务的点击率以及目标业务的活动传播范围。
具体地,当业务方需要进一步对目标业务(如游戏A)进行推广或传播时,可以预先为该目标业务(如游戏A)选定推广方向或推广业务类型,如果目标业务的业务类型为全局推荐业务类型(例如,全网的幸运游戏账户投放),则可以选定业务推荐策略为全局社交推荐策略(例如,筛选高影响力投放策略),进而,可以对每个业务对象j对应的业务传播影响力数值,按照由大到小排序,以获取到第二排序结果Hj,例如,假设10个业务对象j对应的业务传播影响力数值,按照由大到小排序,得到业务传播影响力数值排序分别60、56、48、42、40、35、30、28、27以及24,分别对应于业务对象2、9、5、7、11、8、6、13、12和17的第二排序结果。
进一步地,基于全局社交传播策略,从第二排序结果中选取前N个(如5个)业务传播影响力数值对应的业务对象作为N个种子对象(如种子对象2、9、5、7、11),如图14所示,并向N个种子对象投放N个目标业务对应的种子包,即可以当N个种子对象(如种子对象2、9、5、7、11)中的种子对象(如游戏玩家2)登录目标业务时,可以在业务对象(如游戏玩家2)使用的显示界面上显示种子包对应的推广页面(如图14所示意的选中幸运用户的幸运传递页面),当业务对象(如游戏玩家2)选中页面中任意盲盒后,服务器会随机向业务对象(如游戏玩家2)发放一个目标业务(如游戏A)的奖励,来吸引或鼓励业务对象(如游戏玩家2)在目标业务(如游戏A)中的活跃程度,以及通过业务对象(如游戏玩家2)向周围的群体推荐该目标业务(如游戏A)的奖励,来吸引或鼓励更多的群体参与到目标业务(如游戏A)中,从而可以提高目标业务(如游戏A)的点击率以及目标业务(如游戏A)的活动传播范围。
下面对本申请中的传播影响力的确定方法装置进行详细描述,请参阅图15,图15为本申请实施例中传播影响力的确定方法装置的一个实施例示意图,传播影响力的确定方法装置20包括:
获取单元201,用于获取每个业务对象在目标业务中的业务日志,其中,业务日志至少包括对象社交关系日志、对象社交行为日志以及对象活跃日志;
处理单元202,用于基于对象社交关系日志以及对象社交行为日志,构建社交拓扑网络,其中,社交拓扑网络包括多个节点和节点连边,一个节点对应一个业务对象,一个节点连边用于表示任意两个业务对象之间存在社交关系以及社交行为;
处理单元202,还用于基于社交拓扑网络,按照结构重要性算法,计算每个节点对应的结构重要性数值,其中,结构重要性算法是基于目标业务的业务类型选定的;
获取单元201,还用于基于对象活跃日志,获取每个业务对象对应的对象属性特征;
处理单元202,还用于对每个业务对象对应的对象属性特征进行特征聚合,得到每个业务对象对应的对象属性聚合特征数值;
确定单元203,用于基于结构重要性数值以及对象属性聚合特征数值,确定每个业务对象对应的业务传播影响力数值;
处理单元202,还用于基于每个业务对象对应的业务传播影响力数值以及目标业务的业务类型,选定业务推荐策略,并基于推荐策略对目标业务进行业务推荐。
可选地,在上述图15对应的实施例的基础上,本申请实施例提供的传播影响力的确定方法装置的另一实施例中,处理单元202具体可以用于:
将每个业务对象作为节点;
基于对象社交关系日志以及对象业务对局日志,若任意两个节点之间存在社交关系且有对局行为,则通过一个节点连边连接节点,以得到社交拓扑网络结构。
可选地,在上述图15对应的实施例的基础上,本申请实施例提供的传播影响力的确定方法装置的另一实施例中,处理单元202具体可以用于:
若目标业务的业务类型为局部推荐业务类型,则从结构重要性算法集合中随机选取一个局部结构重要性算法;
基于网络拓扑网络,按照局部结构重要性算法,计算每个节点对应的结构重要性数值。
可选地,在上述图15对应的实施例的基础上,本申请实施例提供的传播影响力的确定方法装置的另一实施例中,处理单元202具体可以用于:
针对于社交拓扑网络中每个节点,获取节点对应的邻居节点数量以及节点连边数量;
基于引用指数算法中的引用算子,以及邻居节点数量以及节点连边数量,计算每个节点对应引用指数,并将引用指数作为结构重要性数值。
可选地,在上述图15对应的实施例的基础上,本申请实施例提供的传播影响力的确定方法装置的另一实施例中,处理单元202具体可以用于:
若目标业务的业务类型为全局推荐业务类型,则从结构重要性算法集合中随机选取一个全局结构重要性算法;
基于社交拓扑网络,按照全局结构重要性算法,计算每个节点对应的结构重要性数值。
可选地,在上述图15对应的实施例的基础上,本申请实施例提供的传播影响力的确定方法装置的另一实施例中,处理单元202具体可以用于:
针对于社交拓扑网络中每个节点,获取节点对应节点连边数量;
基于K核分解算法中的K值以及节点连边数量,对社交拓扑网络进行节点分解,得到每个节点对应的核数,并将核数作为结构重要性数值,其中,K为大于等于1的整数。
可选地,在上述图15对应的实施例的基础上,本申请实施例提供的传播影响力的确定方法装置的另一实施例中,获取单元201具体可以用于:
基于对象登录日志,获取每个业务对象在历史时间段的历史登录数据;
基于历史登录数据,确定每个业务对象在历史时间段内每天的对象属性特征;
处理单元202具体可以用于:对每个业务对象在历史时间段内每天的对象属性特征进行加和,并将得到的和值作为每个业务对象对应的对象属性聚合特征数值;
确定单元203具体可以用于:将结构重要性数值以及对象属性聚合特征数值相乘,并将得到的乘积作为每个业务对象对应的业务传播影响力数值。
可选地,在上述图15对应的实施例的基础上,本申请实施例提供的传播影响力的确定方法装置的另一实施例中,处理单元202具体可以用于:
若目标业务的业务类型为局部推荐业务类型,则选定业务推荐策略为局部社交推荐策略;
基于社交拓扑网络,获取每个节点对应的一阶邻居节点集合;
基于每个业务对象对应的业务传播影响力数值,按照由大到小排序,对一阶邻居节点集合中一阶邻居节点进行排序,得到第一排序结果;
基于局部社交推荐策略,从第一排序结果中选取前M个一阶邻居节点,作为节点对应的M个待推荐对象,其中,M为大于等于1的整数;
在业务对象使用的显示界面上显示M个待推荐对象,并将目标业务的业务包推荐至M个待推荐对象。
可选地,在上述图15对应的实施例的基础上,本申请实施例提供的传播影响力的确定方法装置的另一实施例中,处理单元202具体可以用于:
若目标业务的业务类型为全局推荐业务类型,则选定业务推荐策略为全局社交推荐策略;
对每个业务对象对应的业务传播影响力数值,按照由大到小排序,得到第二排序结果;
基于全局社交传播策略,从第二排序结果中选取前N个业务传播影响力数值对应的业务对象作为N个种子对象,其中,N为大于等于1的整数;
向N个种子对象投放N个目标业务对应的种子包。
本申请另一方面提供了另一种计算机设备示意图,如图16所示,图16是本申请实施例提供的一种计算机设备结构示意图,该计算机设备300可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(central processing units,CPU)310(例如,一个或一个以上处理器)和存储器320,一个或一个以上存储应用程序331或数据332的存储介质330(例如一个或一个以上海量存储设备)。其中,存储器320和存储介质330可以是短暂存储或持久存储。存储在存储介质330的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对计算机设备300中的一系列指令操作。更进一步地,中央处理器310可以设置为与存储介质330通信,在计算机设备300上执行存储介质330中的一系列指令操作。
计算机设备300还可以包括一个或一个以上电源340,一个或一个以上有线或无线网络接口350,一个或一个以上输入输出接口360,和/或,一个或一个以上操作系统333,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
上述计算机设备300还用于执行如图2至图10对应的实施例中的步骤。
本申请的另一方面提供了一种计算机可读存储介质,其上存储有计算机程序,当计算机程序被处理器执行时实现如图2至图10所示实施例描述的方法中的步骤。
本申请的另一方面提供了一种包含计算机程序的计算机程序产品,当计算机程序被处理器执行时实现如图2至图10所示实施例描述的方法中的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (13)
1.一种传播影响力的确定方法,其特征在于,包括:
获取每个业务对象在目标业务中的业务日志,其中,所述业务日志至少包括对象社交关系日志、对象社交行为日志以及对象活跃日志;
基于所述对象社交关系日志以及所述对象社交行为日志,构建社交拓扑网络,其中,所述社交拓扑网络包括多个节点和节点连边,一个所述节点对应一个所述业务对象,一个节点连边用于表示任意两个所述业务对象之间存在社交关系以及社交行为;
基于所述社交拓扑网络,按照结构重要性算法,计算每个所述节点对应的结构重要性数值,其中,所述结构重要性算法是基于所述目标业务的业务类型选定的;
基于所述对象活跃日志,获取每个所述业务对象对应的对象属性特征;
对每个所述业务对象对应的对象属性特征进行特征聚合,得到每个所述业务对象对应的对象属性聚合特征数值;
基于所述结构重要性数值以及所述对象属性聚合特征数值,确定每个所述业务对象对应的业务传播影响力数值;
基于每个所述业务对象对应的业务传播影响力数值以及所述目标业务的业务类型,选定业务推荐策略,并基于所述推荐策略对所述目标业务进行业务推荐。
2.根据权利要求1所述的方法,其特征在于,当所述对象社交行为日志为对象业务对局日志时,所述基于所述对象社交关系日志以及所述对象社交行为日志,构建社交拓扑网络,包括:
将每个所述业务对象作为节点;
基于所述对象社交关系日志以及所述对象业务对局日志,若任意两个所述节点之间存在社交关系且有对局行为,则通过一个所述节点连边连接所述节点,以得到所述社交拓扑网络结构。
3.根据权利要求1所述的方法,其特征在于,结构重要性算法包括局部结构重要性算法;所述基于所述社交拓扑网络,按照结构重要性算法,计算每个节点对应的结构重要性数值,包括:
若所述目标业务的业务类型为局部推荐业务类型,则从结构重要性算法集合中随机选取一个局部结构重要性算法;
基于所述网络拓扑网络,按照所述局部结构重要性算法,计算每个所述节点对应的结构重要性数值。
4.根据权利要求3所述的方法,其特征在于,当所述局部结构重要性算法为引用指数算法时,所述基于所述社交拓扑网络,按照所述局部结构重要性算法,计算每个所述节点对应的结构重要性数值,包括:
针对于所述社交拓扑网络中每个节点,获取所述节点对应的邻居节点数量以及节点连边数量;
基于所述引用指数算法中的引用算子,以及所述邻居节点数量以及节点连边数量,计算每个所述节点对应引用指数,并将所述引用指数作为所述结构重要性数值。
5.根据权利要求1所述的方法,其特征在于,所结构重要性算法包括全局结构重要性算法;所述基于所述社交拓扑网络,按照结构重要性算法,计算每个节点对应的结构重要性数值,包括:
若所述目标业务的业务类型为全局推荐业务类型,则从结构重要性算法集合中随机选取一个全局结构重要性算法;
基于所述社交拓扑网络,按照所述全局结构重要性算法,计算每个所述节点对应的结构重要性数值。
6.根据权利要求5所述的方法,其特征在于,当所述全局结构重要性算法为K核分解算法时,所述基于所述社交拓扑网络,按照所述全局结构重要性算法,计算每个所述节点对应的结构重要性数值,包括:
针对于所述社交拓扑网络中每个节点,获取所述节点对应节点连边数量;
基于所述K核分解算法中的K值以及所述节点连边数量,对所述所述社交拓扑网络进行节点分解,得到每个所述节点对应的核数,并将所述核数作为所述结构重要性数值,其中,所述K为大于等于1的整数。
7.根据权利要求1所述的方法,其特征在于,当所述对象活跃日志为对象登录日志时;所述基于所述对象活跃日志,获取每个所述业务对象对应的对象属性特征,包括:
基于所述对象登录日志,获取每个所述业务对象在历史时间段的历史登录数据;
基于所述历史登录数据,确定每个所述业务对象在历史时间段内每天的对象属性特征;
对每个所述业务对象对应的对象属性特征进行特征聚合,得到每个所述业务对象对应的对象属性聚合特征数值,包括:
对每个所述业务对象在历史时间段内每天的对象属性特征进行加和,并将得到的和值作为每个所述业务对象对应的对象属性聚合特征数值;
所述基于所述结构重要性数值以及所述对象属性聚合特征数值,确定每个所述业务对象对应的业务传播影响力数值,包括:
将所述结构重要性数值以及所述对象属性聚合特征数值相乘,并将得到的乘积作为每个所述业务对象对应的业务传播影响力数值。
8.根据权利要求1所述的方法,其特征在于,所述基于每个所述业务对象对应的业务传播影响力数值以及所述目标业务的业务类型,选定业务推荐策略,并基于所述推荐策略对所述目标业务进行业务推荐,包括:
若所述目标业务的业务类型为局部推荐业务类型,则选定业务推荐策略为局部社交推荐策略;
基于所述社交拓扑网络,获取每个所述节点对应的一阶邻居节点集合;
基于每个所述业务对象对应的业务传播影响力数值,按照由大到小排序,对一阶邻居节点集合中一阶邻居节点进行排序,得到第一排序结果;
基于所述局部社交推荐策略,从所述第一排序结果中选取前M个所述一阶邻居节点,作为所述节点对应的M个待推荐对象,其中,所述M为大于等于1的整数;
在所述业务对象使用的显示界面上显示M个所述待推荐对象,并将所述目标业务的业务包推荐至M个所述待推荐对象。
9.根据权利要求1所述的方法,其特征在于,所述基于每个所述业务对象对应的业务传播影响力数值以及所述目标业务的业务类型,选定业务推荐策略,并基于所述推荐策略对所述目标业务进行业务推荐,包括:
若所述目标业务的业务类型为全局推荐业务类型,则选定业务推荐策略为全局社交推荐策略;
对每个所述业务对象对应的业务传播影响力数值,按照由大到小排序,得到第二排序结果;
基于所述全局社交传播策略,从所述第二排序结果中选取前N个业务传播影响力数值对应的业务对象作为N个种子对象,其中,所述N为大于等于1的整数;
向N个所述种子对象投放N个所述目标业务对应的种子包。
10.一种传播影响力的确定方法装置,其特征在于,包括:
获取单元,用于获取每个业务对象在目标业务中的业务日志,其中,所述业务日志至少包括对象社交关系日志、对象社交行为日志以及对象活跃日志;
处理单元,用于基于所述对象社交关系日志以及所述对象社交行为日志,构建社交拓扑网络,其中,所述社交拓扑网络包括多个节点和节点连边,一个所述节点对应一个所述业务对象,一个节点连边用于表示任意两个所述业务对象之间存在社交关系以及社交行为;
所述处理单元,还用于基于所述社交拓扑网络,按照结构重要性算法,计算每个所述节点对应的结构重要性数值,其中,所述结构重要性算法是基于所述目标业务的业务类型选定的;
所述获取单元,还用于基于所述对象活跃日志,获取每个所述业务对象对应的对象属性特征;
所述处理单元,还用于对每个所述业务对象对应的对象属性特征进行特征聚合,得到每个所述业务对象对应的对象属性聚合特征数值;
确定单元,用于基于所述结构重要性数值以及所述对象属性聚合特征数值,确定每个所述业务对象对应的业务传播影响力数值;
所述处理单元,还用于基于每个所述业务对象对应的业务传播影响力数值以及所述目标业务的业务类型,选定业务推荐策略,并基于所述推荐策略对所述目标业务进行业务推荐。
11.一种计算机设备,包括存储器、处理器以及总线系统,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的方法的步骤;
所述总线系统用于连接所述存储器以及所述处理器,以使所述存储器以及所述处理器进行通信。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。
13.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211729333.9A CN117217946A (zh) | 2022-12-30 | 2022-12-30 | 一种传播影响力的确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211729333.9A CN117217946A (zh) | 2022-12-30 | 2022-12-30 | 一种传播影响力的确定方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117217946A true CN117217946A (zh) | 2023-12-12 |
Family
ID=89037621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211729333.9A Pending CN117217946A (zh) | 2022-12-30 | 2022-12-30 | 一种传播影响力的确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117217946A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117714304A (zh) * | 2024-02-05 | 2024-03-15 | 中南大学 | 一种无人机集群网络健康评估方法、系统及介质 |
-
2022
- 2022-12-30 CN CN202211729333.9A patent/CN117217946A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117714304A (zh) * | 2024-02-05 | 2024-03-15 | 中南大学 | 一种无人机集群网络健康评估方法、系统及介质 |
CN117714304B (zh) * | 2024-02-05 | 2024-04-12 | 中南大学 | 一种无人机集群网络健康评估方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | A survey of multi-agent trust management systems | |
CN110245301A (zh) | 一种推荐方法、装置及存储介质 | |
Newman | The physics of networks | |
Brito et al. | Towards a framework for gamification design on crowdsourcing systems: The GAME approach | |
US9483580B2 (en) | Estimation of closeness of topics based on graph analytics | |
Mechant et al. | E–deliberation 2.0 for smart cities: a critical assessment of two'idea generation'cases | |
CN110807556B (zh) | 对微博谣言或/和辟谣话题传播趋势的预测方法及装置 | |
Zhang et al. | Elicitability and knowledge-free elicitation with peer prediction | |
Bakardjieva | Rationalizing sociality: an unfinished script for socialbots | |
CN108460627A (zh) | 营销活动方案推送方法、装置、计算机设备及存储介质 | |
US11245649B2 (en) | Personalized low latency communication | |
CN117217946A (zh) | 一种传播影响力的确定方法、装置、设备及存储介质 | |
Al-Oraiqat et al. | Modeling strategies for information influence dissemination in social networks | |
Kaligotla et al. | Diffusion of competing rumours on social media | |
Toriumi et al. | A belief in rewards accelerates cooperation on consumer-generated media | |
Kumar et al. | Evolution of two-sided markets | |
Nykyri et al. | Review of demand response and energy communities in serious games | |
Zhao et al. | Association rules analysis between brand post characteristics and consumer engagement on social media | |
CN111957053A (zh) | 游戏玩家匹配方法、装置、存储介质与电子设备 | |
CN107688964A (zh) | 一种用于大规模众包任务扩散的激励方法 | |
Abbassi et al. | Multi-level revenue sharing for viral marketing | |
Moshfeghi et al. | A game-theory approach for effective crowdsource-based relevance assessment | |
CN109660582B (zh) | 帐号信号的推送方法、装置、存储介质和电子设备 | |
De Meo et al. | Improving the compactness in social network thematic groups by exploiting a multi-dimensional user-to-group matching algorithm | |
CN110825972B (zh) | 一种基于领域差异化的热点话题关键用户发现方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |