[发明专利]一种无拓扑结构的社交消息传播范围预测方法

说明书

一种无拓扑结构的社交消息传播范围预测方法，本发明涉及社交消息传播范围预测方法。本发明的目的是为了解决现有方法并没有考虑消息在传播过程中会存在相互影响的问题。过程为：一、在传播图构造完成之后，使用随机游走方式从传播图中提取若干条该消息可能的传播路径；二、使用word2vec方法计算出消息的传播路径上每个目标用户的初始特征向量；三、得到传播路径上每个目标用户的最终向量表示；四、计算出每个目标消息的传播特征向量；五、计算出其他消息的影响向量；六、将四得到的目标消息的传播特征向量和其他消息的影响向量结合在一起，使用MLP拟合出目标消息的增量传播范围。本发明用于消息传播范围预测领域。

技术领域

本发明涉及社交消息传播范围预测方法。

背景技术

近年来随着社交网络的快速发展，越来越多的用户使用新浪微博、推特、facebook等社交网站分享自己的生活。据统计facebook截止到2018年12月31日每月的活跃用户超过23亿^[1](Zephoria.The top 20valuable Facebook statistics-up-dated April 2018.[Online],Available:https://zephoria.com/top-15-valuable-facebook-statistics/,January 1,2019.)。由此可见社交网已经成为许多人生活中的一部分。与此同时各大社交平台也在促进着各种消息的快速传播。例如在新浪微博上平均每天有几亿条微博产生。在每天产生的微博中会包含很多重要信息。用户更新一条微博可能包含着用户对某消息的态度和观点^[2](Yu L,Cui P,Wang F,et al.From micro to macro:Uncovering andpredicting information cascading process with behavioral dynamics[C]//2015IEEE International Conference on Data Mining.IEEE,2015:559-568.)，也可能是分享身边的新鲜事^[3](Althoff T,Jindal P,Leskovec J.Online Actions with OfflineImpact:How Online Social Networks Influence Online and Offline User Behavior[C]//Tenth Acm International Conference on Web SearchData Mining.ACM,2017:537-546.)。预测消息的传播范围在病毒营销、舆情监控、商品推荐等诸多领域都有广泛的应用，因此受到了数据挖掘领域的广泛关注。

目前对消息传播范围进行预测所使用的方法主要有两种，一种是根据消息特征或者消息的特定类型进行传播范围预测。例如可以根据发布的twitter是否带有标志性的图片从而预测它在facebook上的传播范围^[4](Cheng J,Adamic L,Dow P A,et al.Cancascades be predicted？[C]//Proceedings of the 23rd international conferenceon World wide web.ACM,2014:925-936.)；也可以通过分析发布的twitter是否包含对消息传播有利的内容来预测它的传播范围^[6]。然而使用消息特征预测消息传播范围显然不能推广到不同的平台。另一种方法是使用社交网络中用户的拓扑结构^[5,6,7,8]([5]L.Weng,F.Menczer,and Y.-Y.Ahn.Predicting successful memes using network andcommunity structure.arXiv preprint arXiv:1403.6199,2014.