[发明专利]一种训练用于预测社交网络用户转发消息的模型的方法

权利要求书

1.一种训练用于预测社交网络用户转发消息的模型的方法，包括：

1)获得所述社交网络中的历史数据，所述历史数据包括不同用户对同一条消息进行发布、转发的次序；

2)根据所述历史数据，求解使得损失函数取值最小时各名用户的影响力和易感性；

其中，所述影响力用于描述该名用户所发布的消息是否容易被转发，所述易感性用于描述该名用户是否容易对社交网络所发布的消息进行转发，所述用户的影响力和易感性作为所述用于预测社交网络用户转发消息的模型的参数；

其中所述损失函数是用户之间的临界惩罚间隔的函数，其中，用户之间的所述临界惩罚间隔为其中一名用户的易感性表达到发布消息的所述源发用户的影响力表达的欧式空间距离与另一名用户的易感性表达到所述源发用户的影响力表达的欧式空间距离之差。

2.根据权利要求1所述的方法，所述用户之间的临界惩罚间隔C(i,j)为：

μ是消息扩散树的平均出度，i和j分别表示用户u_i和u_j在发布、转发的次序中的顺序编号。

3.根据权利要求2所述的方法，其中所述损失函数L(Z)采用分类损失函数-hingeloss，表示为：

其中，C(i,j)为用户i和用户j之间的临界惩罚间隔，m是话题C_l中的任意一条消息，用户转发序列用户u_i和u_j为Φ^m×Φ^m转发序列中的任意两个非原发用户，t^m(u_i)t^m(u_j)表示用户u_i的转发时刻早于用户u_j，u_i∈Φ^m,用户u_i转发了消息m而用户u_j未进行转发，用户表达集合Z＝(z(u₁)，…，z(u_N))，z(u_i)＝(z(u_i)^I,z(u_i)^S)，N代表所有用户的个数。

4.根据权利要求3所述的方法，其中步骤2)包括：

2-1)针对用户集合中的各名用户u_k设置初始的影响力z(u_k)^I和易感性z(u_k)^S；

2-2)根据用户的当前的影响力和易感性，计算除所述源发用户之外的其他用户u_i和u_j之间的间隔距离δ以及临界惩罚间隔C(i,j)；

2-3)若δC(i,j)，则计算所述损失函数L(Z)相较于所述源发用户的影响力的梯度所述损失函数L(Z)相较于所述用户u_i的易感性z(u_i)^S的梯度和所述损失函数L(Z)相较于所述用户u_j的易感性z(u_j)^S的梯度利用所获得的梯度更新用户的影响力和易感性；

2-4)重复上述步骤2-2)、2-3)，直到所获得的梯度中的至少一个小于设定的阈值或达到最大迭代次数。