CN118096417B - 一种传播网络模式发掘方法、系统、计算机及存储介质 - Google Patents
一种传播网络模式发掘方法、系统、计算机及存储介质 Download PDFInfo
- Publication number
- CN118096417B CN118096417B CN202410517022.9A CN202410517022A CN118096417B CN 118096417 B CN118096417 B CN 118096417B CN 202410517022 A CN202410517022 A CN 202410517022A CN 118096417 B CN118096417 B CN 118096417B
- Authority
- CN
- China
- Prior art keywords
- propagation
- node
- mode
- nodes
- representing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 238000005065 mining Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000004088 simulation Methods 0.000 claims description 14
- 239000000126 substance Substances 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 230000001902 propagating effect Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 abstract description 5
- 238000004220 aggregation Methods 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种传播网络模式发掘方法、系统、计算机及存储介质，方法包括：获取传播网络的传播节点，以其一传播节点为起始节点进行模拟传播，以获取历史观测数据集；计算传播节点的传播率，并基于传播率计算两传播节点的传播相似度；将传播节点定义为传播模式，基于传播相似度计算传播模式的合并分数；将合并分数最高的两传播模式合并为第一更新传播模式，并将剩余的传播模式分别定义为第二更新传播模式；基于第一更新传播模式及第二更新传播模式的合并分数确定最终传播模式。基于合并分数完成传播节点的聚合，实现对相似的传播网络模式的发掘，降低传播结果的相似性的概率，有效的降低了传播成本。
Description
技术领域
本申请涉及数据处理技术领域，特别是涉及一种传播网络模式发掘方法、系统、计算机及存储介质。
背景技术
传播网络是对自然界中物质、信息传播规律进行研究而建立的模型，可以用包括若干个节点的点集和包括若干个边的有向边集组成的图来表示。其中，节点表示物质、信息传播的储存结点，边表示物质、信息传播的方向，边的权重表示传播的概率或比例。
初始时，选定若干具有物质或信息的节点，然后通过IC或LT传播算法模拟传播过程，得到传播网络结点被传播的结果。若选定某一个节点作为起始节点进行传播，传播结束得到的结果若与另一个节点作为起始点传播的结果相似，那么这两个节点具有相似的传播模式。
在现有的传播网络模式中，以广告投放为例，若选择到传播模式相似的节点为起始节点来投放广告，因其传播结果的相似性，将产生重复投放的问题，拉高了传播成本。
发明内容
本申请实施例提供了一种传播网络模式发掘方法、系统、计算机及存储介质，以解决现有技术中在选择到传播模式相似的节点为初始节点进行网络传播，将使得传播成本拉高的技术问题。
第一方面，本申请实施例提供了一种传播网络模式发掘方法，包括以下步骤：
获取传播网络内全部的传播节点，以其一所述传播节点为起始节点，进行若干次模拟传播，以获取包括若干个传播结果的历史观测数据集；
计算所述传播节点的传播率，并基于所述传播率计算两所述传播节点的传播相似度；
将全部的所述传播节点分别定义为若干个传播模式，基于所述传播相似度计算所述传播模式的合并分数；
将合并分数最高的两所述传播模式中的所述传播节点进行合并，以获取合并集，将所述合并集定义为第一更新传播模式，并将剩余的所述传播模式分别定义为若干第二更新传播模式，分别计算所述第一更新传播模式及所述第二更新传播模式的合并分数；
基于所述第一更新传播模式及所述第二更新传播模式的合并分数确定最终传播模式。
进一步地，所述传播率的计算公式为：
，
其中，表示以第i个传播节点为起始节点进行模拟传播时第j个传播节点的传播率，表示模拟传播的次数，表示以第i个传播节点为起始节点进行若干次模拟传播获取的历史观测数据集中第j个传播节点被物质、信息传达的次数。
进一步地，所述传播相似度的计算公式为：
，
其中，表示第i个传播节点与第k个传播节点的传播相似度，表示以第k个传播节点为起始节点进行模拟传播时第j个传播节点的传播率，表示计算常数，表示传播节点的数量，，。
进一步地，所述基于所述传播相似度计算所述传播模式的合并分数的步骤包括：
获取所述传播模式中传播节点的节点数量，通过所述节点数量及所述传播相似度确定所述传播节点对所述传播模式的分数贡献值；
通过所述传播节点的分数贡献值确定所述传播模式的合并分数。
进一步地，所述分数贡献值的计算公式为：
，
其中，表示序号为s的传播模式，表示序号为s的传播模式中去除第i个传播节点后的传播模式，表示第i个传播节点对序号为s的传播模式的分数贡献值，表示第i个传播节点和第j个传播节点在中的联系程度，表示第j个传播节点对的分数贡献值；
其中，，
其中，表示第i个传播节点与第j个传播节点的传播相似度，表示第j个传播节点与第k个传播节点的传播相似度，表示序号为s的传播模式中的传播节点的数量。
进一步地，所述合并分数的计算公式为：
，
其中，表示合并分数。
进一步地，所述基于所述第一更新传播模式及所述第二更新传播模式的合并分数确定最终传播模式的步骤包括：
判断所述第一更新传播模式及所述第二更新传播模式的合并分数是否小于0；
若所述第一更新传播模式及所述第二更新传播模式的合并分数均小于0，则将所述第一更新传播模式及所述第二更新传播模式均确定为最终传播模式。
第二方面，本申请实施例提供了一种传播网络模式发掘系统，应用于如上述技术方案中的传播网络模式发掘方法，所述系统包括：
实验模块，用于获取传播网络内全部的传播节点，以其一所述传播节点为起始节点，进行若干次模拟传播，以获取包括若干个传播结果的历史观测数据集；
第一获取模块，用于计算所述传播节点的传播率，并基于所述传播率计算两所述传播节点的传播相似度；
第二获取模块，用于将全部的所述传播节点分别定义为若干个传播模式，基于所述传播相似度计算所述传播模式的合并分数；
处理模块，用于将合并分数最高的两所述传播模式中的所述传播节点进行合并，以获取合并集，将所述合并集定义为第一更新传播模式，并将剩余的所述传播模式分别定义为若干第二更新传播模式，分别计算所述第一更新传播模式及所述第二更新传播模式的合并分数；
执行模块，用于基于所述第一更新传播模式及所述第二更新传播模式的合并分数确定最终传播模式。
第三方面，本申请实施例提供了一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的传播网络模式发掘方法。
第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面所述的传播网络模式发掘方法。
相比于现有技术，本发明的有益效果在于：通过获取所述传播网络中的所述传播节点，并计算其传播率，可确定两所述传播节点之间的传播难易程度，计算所述传播相似度，可确定两所述传播节点到传播网络中其他的传播节点的传播概率，将所述传播节点分别定义为一种所述传播模式，并确定所述传播模式的合并分数，并基于所述合并分数完成所述传播节点的聚合，实现对相似的传播网络模式的发掘，降低传播结果的相似性的概率，有效的降低了传播成本。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
图1为本发明第一实施例中传播网络模式发掘方法的流程图；
图2为本发明第二实施例中传播网络模式发掘系统的结构框图；
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
请参阅图1，本发明第一实施例提供的传播网络模式发掘方法，包括以下：
步骤S10：获取传播网络内全部的传播节点，以其一所述传播节点为起始节点，进行若干次模拟传播，以获取包括若干个传播结果的历史观测数据集；
在一些实施例中，也可通过记录所述传播网络的实际传播结果，以形成所述历史观测数据集。
具体地，所述历史观测数据集，其中，n表示模拟传播的次数，分别表示一次模拟传播的传播结果。而对于每个所述传播结果，其中，i表示第i个传播节点，1，2，...，m分别表示除第i个传播节点外所述传播网络中其他的传播节点，表示第i个传播节点传播至第j个传播节点被传播物质、信息的结果，需要说明的是，，0代表此次传播过程中第j个传播节点未被传播物质、信息，1代表此次传播过程中第j个传播节点被传播物质、信息。
步骤S20：计算所述传播节点的传播率，并基于所述传播率计算两所述传播节点的传播相似度；
所述传播率的计算公式为：
，
其中，表示以第i个传播节点为起始节点进行模拟传播时第j个传播节点的传播率，表示模拟传播的次数，表示以第i个传播节点为起始节点进行若干次模拟传播获取的历史观测数据集中第j个传播节点被物质、信息传达的次数。所述传播率用于衡量第i个传播节点到第j个传播节点的传播难易程度。
所述传播相似度的计算公式为：
，
其中，表示第i个传播节点与第k个传播节点的传播相似度，表示以第k个传播节点为起始节点进行模拟传播时第j个传播节点的传播率，表示计算常数，需要说明的是，在所述传播相似度的计算中起到防止分母为0的作用，表示传播节点的数量，，，为权重值，使得易于传播的传播节点的贡献更大。
步骤S30：将全部的所述传播节点分别定义为若干个传播模式，基于所述传播相似度计算所述传播模式的合并分数；
即分别为所述传播网络中每一所述传播节点赋予传播模式属性，在初始时，每一所述传播节点均为一种所述传播模式，在本实施例中，用表示所述传播模式，其中，s为序号，仅用于区分不同的所述传播模式。
具体地，所述步骤S30包括：
S310：获取所述传播模式中传播节点的节点数量，通过所述节点数量及所述传播相似度确定所述传播节点对所述传播模式的分数贡献值；
所述分数贡献值的计算公式为：
，
其中，表示序号为s的传播模式，表示序号为s的传播模式中去除第i个传播节点后的传播模式，表示第i个传播节点对序号为s的传播模式的分数贡献值，表示第i个传播节点和第j个传播节点在中的联系程度，表示第j个传播节点对的分数贡献值；
其中，，
其中，表示第i个传播节点与第j个传播节点的传播相似度，表示第j个传播节点与第k个传播节点的传播相似度，表示序号为s的传播模式中的传播节点的数量。
S320：通过所述传播节点的分数贡献值确定所述传播模式的合并分数；
所述合并分数的计算公式为：
，
其中，表示合并分数。
步骤S40：将合并分数最高的两所述传播模式中的所述传播节点进行合并，以获取合并集，将所述合并集定义为第一更新传播模式，并将剩余的所述传播模式分别定义为若干第二更新传播模式，分别计算所述第一更新传播模式及所述第二更新传播模式的合并分数。
即在初始时，所述传播模式均仅包含一个所述传播节点，而当完成合并后，所述第一更新传播模式至少包括两个所述传播节点，并基于此重新计算所述第一更新传播模式及所述第二更新传播模式的合并分数，其合并分数的计算方式与前述一致，此处不再进行赘述。
所述将合并分数最高的两所述传播模式中的所述传播节点进行合并的步骤具体包括：
判断最高的所述合并分数对应的所述传播模式的数量是否等于2，
若最高的所述合并分数对应的所述传播模式的数量等于2，则将该两所述传播模式合并；
若最高的所述合并分数对应的所述传播模式的数量大于2，随机选取两所述传播模式进行合并。
需要说明的是，当最高的所述合并分数对应的所述传播模式的数量大于2时，在所述分别计算所述第一更新传播模式及所述第二更新传播模式的合并分数的步骤之后还包括：
判断所述第一更新传播模式的合并分数是否小于0；
若所述第一更新传播模式的合并分数小于0，则取消合并，并重新选取与最高的所述合并分数对应的两所述传播模式进行合并。
步骤S50：基于所述第一更新传播模式及所述第二更新传播模式的合并分数确定最终传播模式。
具体地，所述步骤S50包括：
S510：判断所述第一更新传播模式及所述第二更新传播模式的合并分数是否小于0；
S520：若所述第一更新传播模式及所述第二更新传播模式的合并分数均小于0，则将所述第一更新传播模式及所述第二更新传播模式均确定为最终传播模式。
可以理解地，若所述第一更新传播模式及全部的所述第二更新传播模式的合并分数未小于0，则重复步骤S30及步骤S40，直至无法合并出合并分数大于0的传播模式，以完成传播结果相似的传播节点的聚合。
通过获取所述传播网络中的所述传播节点，并计算其传播率，可确定两所述传播节点之间的传播难易程度，计算所述传播相似度，可确定两所述传播节点到传播网络中其他的传播节点的传播概率，将所述传播节点分别定义为一种所述传播模式，并确定所述传播模式的合并分数，并基于所述合并分数完成所述传播节点的聚合，实现对相似的传播网络模式的发掘，降低传播结果的相似性的概率，有效的降低了传播成本。且通过本实施例中的所述传播网络模式发掘方法，在完成所述传播节点的聚合后，也可挖掘出物质、信息传播的规律，以达到促进、阻止或预防物质、信息传播的目的。
请参阅图2，本发明第二实施例提供了一种传播网络模式发掘系统，该系统应用于上述实施例中的所述传播网络模式发掘方法，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
所述系统包括：
实验模块10，用于获取传播网络内全部的传播节点，以其一所述传播节点为起始节点，进行若干次模拟传播，以获取包括若干个传播结果的历史观测数据集；
第一获取模块20，用于计算所述传播节点的传播率，并基于所述传播率计算两所述传播节点的传播相似度；
第二获取模块30，用于将全部的所述传播节点分别定义为若干个传播模式，基于所述传播相似度计算所述传播模式的合并分数；
所述第二获取模块30包括：
第一单元，用于获取所述传播模式中传播节点的节点数量，通过所述节点数量及所述传播相似度确定所述传播节点对所述传播模式的分数贡献值；
第二单元，用于通过所述传播节点的分数贡献值确定所述传播模式的合并分数；
处理模块40，用于将合并分数最高的两所述传播模式中的所述传播节点进行合并，以获取合并集，将所述合并集定义为第一更新传播模式，并将剩余的所述传播模式分别定义为若干第二更新传播模式，分别计算所述第一更新传播模式及所述第二更新传播模式的合并分数；
执行模块50，用于基于所述第一更新传播模式及所述第二更新传播模式的合并分数确定最终传播模式；
所述执行模块50包括：
第三单元，用于判断所述第一更新传播模式及所述第二更新传播模式的合并分数是否小于0；
第四单元，用于若所述第一更新传播模式及所述第二更新传播模式的合并分数均小于0，则将所述第一更新传播模式及所述第二更新传播模式均确定为最终传播模式。
本发明还提供了一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述技术方案中所述的传播网络模式发掘方法。
本发明还提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述技术方案中所述的传播网络模式发掘方法。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种传播网络模式发掘方法，用于发掘广告的传播模式，以进行广告投放，其特征在于，包括以下步骤：
获取传播网络内全部的传播节点，以其一所述传播节点为起始节点，进行若干次模拟传播，以获取包括若干个传播结果的历史观测数据集；
计算所述传播节点的传播率，并基于所述传播率计算两所述传播节点的传播相似度；
所述传播率的计算公式为：
，
其中，表示以第i个传播节点为起始节点进行模拟传播时第j个传播节点的传播率，表示模拟传播的次数，表示以第i个传播节点为起始节点进行若干次模拟传播获取的历史观测数据集中第j个传播节点被物质、信息传达的次数；
所述传播相似度的计算公式为：
，
其中，表示第i个传播节点与第k个传播节点的传播相似度，表示以第k个传播节点为起始节点进行模拟传播时第j个传播节点的传播率，表示计算常数，表示传播节点的数量，，；
将全部的所述传播节点分别定义为若干个传播模式，基于所述传播相似度计算所述传播模式的合并分数；
所述基于所述传播相似度计算所述传播模式的合并分数的步骤包括：
获取所述传播模式中传播节点的节点数量，通过所述节点数量及所述传播相似度确定所述传播节点对所述传播模式的分数贡献值；
所述分数贡献值的计算公式为：
，
其中，表示序号为s的传播模式，表示序号为s的传播模式中去除第i个传播节点后的传播模式，表示第i个传播节点对序号为s的传播模式的分数贡献值，表示第i个传播节点和第j个传播节点在中的联系程度，表示第j个传播节点对的分数贡献值；
其中，，
其中，表示第i个传播节点与第j个传播节点的传播相似度，表示第j个传播节点与第k个传播节点的传播相似度，表示序号为s的传播模式中的传播节点的数量；
通过所述传播节点的分数贡献值确定所述传播模式的合并分数；
所述合并分数的计算公式为：
，
其中，表示合并分数；
将合并分数最高的两所述传播模式中的所述传播节点进行合并，以获取合并集，将所述合并集定义为第一更新传播模式，并将剩余的所述传播模式分别定义为若干第二更新传播模式，分别计算所述第一更新传播模式及所述第二更新传播模式的合并分数；
基于所述第一更新传播模式及所述第二更新传播模式的合并分数确定最终传播模式。
2.根据权利要求1所述的传播网络模式发掘方法，其特征在于，所述基于所述第一更新传播模式及所述第二更新传播模式的合并分数确定最终传播模式的步骤包括：
判断所述第一更新传播模式及所述第二更新传播模式的合并分数是否小于0；
若所述第一更新传播模式及所述第二更新传播模式的合并分数均小于0，则将所述第一更新传播模式及所述第二更新传播模式均确定为最终传播模式。
3.一种传播网络模式发掘系统，应用于如权利要求1或2所述的传播网络模式发掘方法，其特征在于，所述系统包括：
实验模块，用于获取传播网络内全部的传播节点，以其一所述传播节点为起始节点，进行若干次模拟传播，以获取包括若干个传播结果的历史观测数据集；
第一获取模块，用于计算所述传播节点的传播率，并基于所述传播率计算两所述传播节点的传播相似度；
所述传播率的计算公式为：
，
其中，表示以第i个传播节点为起始节点进行模拟传播时第j个传播节点的传播率，表示模拟传播的次数，表示以第i个传播节点为起始节点进行若干次模拟传播获取的历史观测数据集中第j个传播节点被物质、信息传达的次数；
所述传播相似度的计算公式为：
，
其中，表示第i个传播节点与第k个传播节点的传播相似度，表示以第k个传播节点为起始节点进行模拟传播时第j个传播节点的传播率，表示计算常数，表示传播节点的数量，，；
第二获取模块，用于将全部的所述传播节点分别定义为若干个传播模式，基于所述传播相似度计算所述传播模式的合并分数；
所述第二获取模块包括：
第一单元，用于获取所述传播模式中传播节点的节点数量，通过所述节点数量及所述传播相似度确定所述传播节点对所述传播模式的分数贡献值；
所述分数贡献值的计算公式为：
，
其中，表示序号为s的传播模式，表示序号为s的传播模式中去除第i个传播节点后的传播模式，表示第i个传播节点对序号为s的传播模式的分数贡献值，表示第i个传播节点和第j个传播节点在中的联系程度，表示第j个传播节点对的分数贡献值；
其中，，
其中，表示第i个传播节点与第j个传播节点的传播相似度，表示第j个传播节点与第k个传播节点的传播相似度，表示序号为s的传播模式中的传播节点的数量；
第二单元，用于通过所述传播节点的分数贡献值确定所述传播模式的合并分数；
所述合并分数的计算公式为：
，
其中，表示合并分数；
处理模块，用于将合并分数最高的两所述传播模式中的所述传播节点进行合并，以获取合并集，将所述合并集定义为第一更新传播模式，并将剩余的所述传播模式分别定义为若干第二更新传播模式，分别计算所述第一更新传播模式及所述第二更新传播模式的合并分数；
执行模块，用于基于所述第一更新传播模式及所述第二更新传播模式的合并分数确定最终传播模式。
4.一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1或2所述的传播网络模式发掘方法。
5.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1或2所述的传播网络模式发掘方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410517022.9A CN118096417B (zh) | 2024-04-28 | 2024-04-28 | 一种传播网络模式发掘方法、系统、计算机及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410517022.9A CN118096417B (zh) | 2024-04-28 | 2024-04-28 | 一种传播网络模式发掘方法、系统、计算机及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118096417A CN118096417A (zh) | 2024-05-28 |
| CN118096417B true CN118096417B (zh) | 2024-07-19 |
Family
ID=91146190
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410517022.9A Active CN118096417B (zh) | 2024-04-28 | 2024-04-28 | 一种传播网络模式发掘方法、系统、计算机及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118096417B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106972952A (zh) * | 2017-02-28 | 2017-07-21 | 浙江工业大学 | 一种基于网络度相关性的信息传播领袖节点提取方法 |
| CN108183956A (zh) * | 2017-12-29 | 2018-06-19 | 武汉大学 | 一种传播网络的关键路径提取方法 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10143534A (ja) * | 1996-11-15 | 1998-05-29 | Nippon Telegr & Teleph Corp <Ntt> | 類似度計算方法および類似概念検索方法 |
| CN103279512B (zh) * | 2013-05-17 | 2016-06-29 | 湖州师范学院 | 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 |
| US10146875B2 (en) * | 2014-12-19 | 2018-12-04 | International Business Machines Corporation | Information propagation via weighted semantic and social graphs |
| CN111884839A (zh) * | 2020-07-14 | 2020-11-03 | 南京信息职业技术学院 | 基于节点传播能力的偏向性随机行走的网络信息传播方法、装置及存储介质 |
| CN113626724B (zh) * | 2021-07-09 | 2023-10-20 | 武汉大学 | 一种基于节点状态观测结果的传播网络重构方法及装置 |
| CN115169501A (zh) * | 2022-08-05 | 2022-10-11 | 东北电力大学 | 基于公共邻居节点聚类熵紧密相似性的社区检测方法 |
| CN115907015A (zh) * | 2022-11-15 | 2023-04-04 | 武汉大学 | 多任务传播网络推断方法、装置、设备及可读存储介质 |
| CN115733763A (zh) * | 2022-11-25 | 2023-03-03 | 中国银联股份有限公司 | 一种关联网络的标签传播方法、装置及计算机可读存储介质 |
| CN116501980A (zh) * | 2023-02-15 | 2023-07-28 | 华南师范大学 | 基于密度峰值聚类标签传播的社区发现方法及装置 |
| CN116304205A (zh) * | 2023-02-28 | 2023-06-23 | 江西求是高等研究院 | 一种传播网络结构重构方法、装置、设备及存储介质 |
| CN116501885A (zh) * | 2023-04-07 | 2023-07-28 | 中国传媒大学 | 一种基于动力学传播模型的推演方法和系统 |
| CN117112866A (zh) * | 2023-10-23 | 2023-11-24 | 人工智能与数字经济广东省实验室(广州) | 基于图表示学习的社交网络节点迁移可视化方法及系统 |
-
2024
- 2024-04-28 CN CN202410517022.9A patent/CN118096417B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106972952A (zh) * | 2017-02-28 | 2017-07-21 | 浙江工业大学 | 一种基于网络度相关性的信息传播领袖节点提取方法 |
| CN108183956A (zh) * | 2017-12-29 | 2018-06-19 | 武汉大学 | 一种传播网络的关键路径提取方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118096417A (zh) | 2024-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230252327A1 (en) | Neural architecture search for convolutional neural networks | |
| CN112487168B (zh) | 知识图谱的语义问答方法、装置、计算机设备及存储介质 | |
| CN110213164B (zh) | 一种基于拓扑信息融合的识别网络关键传播者的方法及装置 | |
| WO2017159403A1 (ja) | 予測システム、方法およびプログラム | |
| US20110264617A1 (en) | Reducing the dissimilarity between a first multivariate data set and a second multivariate data set | |
| CN111382255A (zh) | 用于问答处理的方法、装置、设备和介质 | |
| EP3608798A1 (en) | Group search method based on social network, device, server and storage medium | |
| US20200251008A1 (en) | Similarity-based question recommendation method and server | |
| US20200082910A1 (en) | Systems and Methods for Determining Effects of Genetic Variation of Splice Site Selection | |
| CN118193842B (zh) | 一种基于因果推理的可解释推荐方法和系统 | |
| CN115910325A (zh) | 用于认知任务测评的建模方法、认知任务测评方法及系统 | |
| CN115801600A (zh) | 一种面向噪声数据环境的传播网络结构重构方法及装置 | |
| CN109802859B (zh) | 一种网络图中的节点推荐方法和服务器 | |
| CN118096417B (zh) | 一种传播网络模式发掘方法、系统、计算机及存储介质 | |
| CN111639194B (zh) | 基于句向量的知识图谱查询方法及系统 | |
| KR100975502B1 (ko) | 블로그 포스트의 랭킹 판단 방법 및 시스템 | |
| CN110390998B (zh) | 临床数据纳排方法、装置、设备及可读存储介质 | |
| CN108170665B (zh) | 基于综合相似度的关键词拓展方法和装置 | |
| CN112015914B (zh) | 一种基于深度学习的知识图谱搜索路径方法 | |
| CN104636366B (zh) | 一种获取搜索结果队列的方法和装置 | |
| CN115907015A (zh) | 多任务传播网络推断方法、装置、设备及可读存储介质 | |
| CN113568987B (zh) | 知识图谱嵌入模型的训练方法、装置、计算机设备 | |
| JP6172315B2 (ja) | 混合モデル選択の方法及び装置 | |
| Yan et al. | Identifying communities and key vertices by reconstructing networks from samples | |
| US11521092B2 (en) | Inference system, inference method, and recording medium |
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 |