[发明专利]一种基于潜在传播集的社交网络信息传播跟踪方法

说明书

本发明涉及一种基于潜在传播集的社交网络信息传播跟踪方法，包括：建立基于潜在传播集的SIR模型；从社交网络中获取网络消息，进行聚类并分组，建立网络热点消息的分类数据库；从分类数据库中选取网络热点消息，对社交网络进行采样，获取传播参数；获取新的网络热点消息，将其与网络热点消息的分类数据库进行对比，选择最接近的网络热点消息类型，并提取获取的传播参数作为新的网络热点消息的参考传播参数；对参考传播参数进行调整，进一步预测所述网络热点消息的传播情况并进行人工干预。本发明运用在不同规模的人工网络与现实网络中，由SIPR方程组生成的S、I、R三类曲线与仿真模拟情况中三类曲线吻合度很高，均表现出了良好的效果。

技术领域

本发明涉及网络技术领域，尤其涉及一种基于潜在传播集的社交网络信息传播跟踪方法。

背景技术

近年来，随着网络的飞速发展，在线社交服务(SNS)例如微博、Twitter和Facebook等已经渗透到人们日常生活的方方面面，成为现代人们获取和传播新鲜信息的一个重要途径。由于在这些平台上信息的发布和接收异常的简便和迅速，许多热点问题会以″爆炸式″的速度迅速扩散开来，在短时间内就能达到″世人皆知″的地步。而在当今社会，群众舆论已经成为一股不可小觑的无形力量，它们能在一定程度上左右热点事件的演化方向，并对有关部门在事件的应对、裁判及处理上造成一定的影响。因此，如何描述社交网络中的信息传播行为、揭示信息传播的特性和规律，具有非常重要的理论研究价值和实际应用价值，同时也是当前的研究热点之一。

在最近几年里，有不少学者针对社交网络中的信息传播问题展开了大量的研究工作，他们的研究主要集中在传染病模型、网络拓扑模型以及基于统计推理的传播模型。其中，由于信息传播的表现与传染病传播非常相像，所以现在大多数的信息模型都是以传染病模型为基础。而在基于传染病模型方面，大多数研究者都是以SIR模型为基础。

SIR模型，即susceptible-infective-removed模型，该模型根据节点状态，将社交网络上的节点分为三类：具备传播信息能力的传播节点I、从未听说过消息的健康节点S以及对消息不感兴趣因此不具备传播能力的免疫节点R。在单位时间内，每个传播节点以概率β与其他所有状态的节点接触，并且以概率γ治愈从而成为免疫节点；如果传播节点的传播行为中与健康节点接触，则该健康节点会变成传播节点。若用N表示网络中的节点总数，S(t)、I(t)、R(t)分别表示在t时刻S、I、R三类状态的节点总数，则原始SIR传播模型的耦合非线性方程组可以表示为

现有模型中，因为没有考虑到可能有多个传播节点影响到同一个健康节点S的情况，也就是说，这一修正仍然是把每个传播节点独立看待，而没有考虑到整个网络的实际构型，所以在较密集的网络中计算所有传播节点的影响总量时，所得出的结果会远远大于实际值。因此，在ΔI₊＝β<k>I(t)S(t)/N或类似处理的模型中，前期传播节点I的数量会飞速增长且很快就会突破节点上限，同时健康节点S的数量也会急剧下降到负值，这显然与实际情况不符。此外，即使在较为稀疏的网络中，虽然传播节点I不会疯狂增长，但是这些模型的方程解析结果也无法与实际情况相吻合。这些原因导致了这些模型只能被当作仅供参考的理论模型，其解析结果也不能被实际应用到信息传播情况的预测与分析上，该模型的利用价值也因而大打折扣。

发明内容

鉴于上述的分析，本发明旨在提供一种基于潜在传播集的社交网络信息传播跟踪方法，用以解决现有基于传统SIR模型的社交网络信息传播跟踪方法中存在的对传播节点增量的计算大量重复的问题。

本发明的目的主要是通过以下技术方案实现的：

一种基于潜在传播集的社交网络信息传播跟踪方法，包括以下步骤：

步骤S1、在传统SIR模型中加入潜在传播节点PS类节点，建立基于潜在传播集的SIR模型；