[发明专利]一种基于混沌理论的信息传播模型及其传播方法

说明书

技术领域

本发明涉及社交网络分析领域，涉及在线社交网络信息传播的建模，揭示了热点话题的传播内在规律及趋势。

背景技术

随着信息技术和互联网的发展，特别是近几年移动终端的快速普及，以脸书,推特，微信，微博为代表的在线社交网络软件越来越成为人们日常生活的重要工具。在线社交网络的蓬勃发展和活跃用户的急剧增长、使得拥有社交性、信息共享性等多种属性的在线社会网络迅速成为人们信息传播、舆论管制、商品营销、观点表达、产生社会影响力的理想平台，吸引了越来越多的高校及企业研究机构的关注。

目前国内外在信息传播领域的研究多是从三个角度出发的，第一种是基于复杂网络的信息传播研究，主要以传染病动力学应用最为广泛；第二种是融入用户影响力在线社交网络信息传播研究，从用户差异性角度探索信息传播演化过程，其中影响力传播的线性阈值模型和独立级联模型得到了广泛应用；第三种是在线社交网络信息转发相关因素研究，目前主要的转发预测方法是可以分为基于用户过往行为的预测、基于用户文本兴趣的预测、基于用户所受群体影响、基于混合特征学习的预测。

目前的研究主要集中在网络静态特征对信息传播的影响，但忽视了网络的动态特征，如用户影响力、用户间的关注关系等都在社交网络中不断的变化。因此在网络静态特征的基础上，充分考虑用户行为等动态特性，更加真实的揭示信息传播的内在规律。

发明内容

本发明旨在解决以上现有技术的问题，从新的角度提出一种基于在线社交网络的信息传播模型及方法。

本发明的技术方案如下：一种基于在线社交网络的信息传播模型，包括获取数据集模块，用户静态状态变化因素提取模块，动态状态特征预测模块和热点话题传播模型构建模块。

其中所述获取数据集模块，用于在在线社交网络平台的公共API下获取相关热点话题下的相关信息。相关热点话题下的相关信息包括用户自身信息、用户的历史行为记录和用户间的关系。

所述用户静态状态变化因素提取模块，用于从用户属性、内容属性和用户关系属性三个维度，量化影响用户参与话题的静态因素，利用逻辑回归方法衡量每个因素的权重，构建用户静态状态改变机制。

所述动态状态特征预测模块，用于将用户的历史行为中，每日参与话题数据整理为时间序列形式，然后利用混沌时间序列方法预测下一步动态，最后再将预测的结果归一化，以预测用户动态行为特征。

所述热点话题传播模型构建模块，将用户静态状态改变属性机制与动态状态特征预测模块所得到的归一化预测结果结合，将二者相乘后的结果作为SIR模型的传染率μ，以(1-μ)作为恢复率，构建新的热点话题信息传播模型。

本发明还提供一种基于混沌理论的信息传播方法，包括以下步骤：

S1：获取数据集，在线社交网络平台的公共API下爬取相关热点话题下的相关信息。

S2：提取用户静态状态变化因素，构建用户静态状态改变机制，从用户属性、内容属性和用户关系属性三个维度，量化影响用户参与话题的静态因素，利用逻辑回归方法衡量每个因素的权重，构建用户静态状态改变机制。

S3:预测用户动态行为特征，将用户的历史行为中，每日参与话题数据整理为时间序列形式，然后利用混沌时间序列方法预测下一步动态，最后再将预测的结果归一化，以预测用户动态行为特征。

S4：构建热点话题传播模型，将用户静态状态改变属性机制与动态状态特征预测模块所得到的归一化预测结果结合，将二者相乘后的结果作为SIR模型的传染率μ，以(1-μ)作为恢复率，构建新的热点话题信息传播模型。

步骤S2所述构建用户静态状态改变机制包括以下步骤：

S21：从用户属性维度出发，提取用户影响状态改变的特征因子。

S22：从用户社交关系维度出发，提取该用户与上游用户主题兴趣相似度和用户间的交互强度特性因子。

S23：从内容属性维度出发，提取用户是否包含url、是否为转发微博、微博主题和用户主题兴趣相似度的特征因子；

S24：采用逻辑回归算法计算用户的转发概率

其中y表示用户参与话题的决策，当其为1的时候表示用户参与了话题，其为0的时候表示用户未参与了话题；θ是模型参数，即回归系数；σ是sigmoid函数，p()函数代表计算转发概率的函数，x表示该微博的特征集合，包含了S21、S22、S23中提取的特征因子，为模型自变量。用获取的用户的历史数据对上述公式进行训练，通过对用户的历史行为进行分析从而得到用户的状态改变概率。