[发明专利]基于跨社交网络的信息传播方法

说明书

本发明公开一种基于跨社交网络的信息传播方法，以构建的跨平台的网络拓扑为基础，利用节点的位置中心度和网络约束值对单个平台有向图中进行分类，利用跨平台节点对的时间相似度对跨平台有向图中的每个节点进行分类，根据节点的分类获取每个节点的传播概率，建立跨社交网络的信息传播过程。本发明将信息传播过程扩展到多个社交网络中，根据用户的异质性对用户节点进行分类，从而建立跨网络的信息传播过程，使得更加符合实际中的信息扩散特征，给舆情监测与控制、产品宣传、个性化推荐等应用提供基础。

技术领域

本发明属于通信技术领域，更进一步涉及网络信息传播技术领域中的基于跨社交网络的信息传播方法。本发明可用于模拟社交网络中信息传播的过程，并预测跨社交网络环境下的信息传播范围。

背景技术

由于在线平台的多样性，网络用户有可能同时活跃在两个或多个社交平台中，用户对于信息的获取和传播也可以跨越网络边界。因此互联网是由许多具有不同性质、特征的网络交叉耦合而成的复杂网络，单一的网络层仅是其子集，这种耦合存在于多个在线的社交网络之间。因此，在跨网络情况下对信息传播过程进行研究具有现实意义，可为用于跨网络环境下节点影响力研究、个性化推荐及多网络舆情控制等热点应用中。许多现有的信息传播模型仅考虑了单个网络中的用户及传播过程，未分析涉及多个网络环境的跨网络用户和网络间的信息交互问题。

南京邮电大学在其申请的专利文献“基于个体敏感度与大众媒体影响力的双层网络传播模型构建方法”(专利申请号201910015017.7，公开号109903853A)中公开了基于个体敏感度与大众媒体影响力的双层网络传播模型构建方法。该方法构建了双层网络模型，底层为演化病毒传播过程的物理接触网络，上层为描述病毒存在信息传播的社交网络，结合两层不同的传播个体状态及状态转移概率，建立随机过程的微分方程推导病毒传播阈值，再利用信息传播概率与信息遗忘概率来表征信息传播情况，从而建立传播模型。该方法存在的不足之处是，利用随机过程的微分方程分析信息传播规律，而方程的解对初始条件极为敏感，且传播概率量化困难，难于扩展实际的跨网络环境下的信息传播过程中。

中山大学在其拥有的专利技术“一种基于社交网络的消息传播模型的构建方法”(专利申请号201610357135.2，授权公告号106096075B)中公开了一种基于社交网络的消息传播模型。该方法利用网络中人群的特殊性以及社交网络中结点的度平均值，对社交网络的消息传播进行建模分。在传染病传播模型中增添“潜伏结点”，根据特殊性将人群的状态分为四类，用户在四类状态间依统一的概率转换，而从进行信息的传播。该方法存在的不足之处是，把同一状态的所有用户的转化概率设定为统一的概率，因此无法精确区分用户在传播信息过程中的个体差异性，难于准确模拟网络中信息的实际传播趋势。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种跨社交网络的信息传播模型构建方法，解决信息传播模型的参数估计困难以及无法准确估计传播趋势的问题。

实现本发明目的的具体思路是，根据每个节点在传播信息过程中具有的不同的传播能力，将节点分类为意见领袖节点，结构洞节点、边缘节点以及桥梁节点，由分类结果分别获取每个节点的传播概率，得到跨社交网络的信息传播过程，本发明在考虑个体差异性以及信息的跨网络传播特性，建立了一种更加符合现实网络中的信息传播过程的信息传播方法。

为实现上述目的，本发明具体步骤包括如下：

(1)构建跨平台的网络拓扑：

(1a)在已知的两个不同功能的社交平台中，将每个社交平台中每个用户作为有向图中的一个节点，用户与用户之间的关系作为有向图中节点之间的边，将每个社交平台对应的所有的节点以及节点之间的边组合成一个有向图，得到单个平台的有向图G₁和G₂；