[发明专利]一种基于三元关联图和知识表示的影响力发现方法

权利要求书

1.一种基于三元关联图和知识表示的影响力发现方法，其特征在于，包括以下步骤：

通过网络爬虫获取数据，并进行数据清洗；

根据获取的数据源按照用户的转发行为提取热点话题下的消息传播路径和话题下的总消息以及话题下的总用户信息，构建消息-路径-用户三元关联图模型；

根据交叉迭代策略，在构建的消息-路径-用户三元关联图模型上进行正反迭代打分机制来挖掘出热点话题传播的关键元素节点；利用正反迭代打分机制来挖掘出热点话题传播的关键元素节点的过程包括：

计算三元关联图模型中各不同元素节点影响力值，包括对热点话题传播过程中消息的重要程度、传播路径的重要程度以及参与用户的驱动力进行计算；

进行正反迭代投票机制，得到最终得分向量X'、Y'和Z'，得分越高表示该节点越重要，具体包括以下步骤：

在第一次正向投票时令X＝X₀、Y＝Y₀、Z＝Z₀；

在正向打分中，根据消息集合的打分向量X，以第一转移概率矩阵转化为路径的打分向量，得到新的路径打分向量Y'；根据新的路径的打分向量Y'，以第二转移概率矩阵转化为用户的打分向量，得到新的用户打分向量Z'，具体表示为：

同理，反向打分过程表示为：

其中，α为阻尼系数，X、Y、Z表示上一次迭代后的得分向量；表示消息i转移到路径j的概率转移矩阵，表示路径j转移到消息i的概率转移矩阵，表示路径j转移到用户k的概率转移矩阵，表示用户k转移到路径j的概率转移矩阵；

得到的关键消息、关键路径和关键用户的影响力得分序列结果和相关信息存储到服务器，完成影响力发现。

2.根据权利要求1所述的一种基于三元关联图和知识表示的影响力发现方法，其特征在于，通过网络爬虫获取的数据包括热点话题数据和参与用户行为属性数据，热点话题数据包括该热点话题下的参与用户ID、参与用户转发及数目、参与用户评论内容及数目；参与用户行为属性数据包括参与用户兴趣爱好、参与用户擅长领域、参与用户标签信息、参与用户好友关系及数目、参与用户转发数、参与用户评论。

3.根据权利要求1所述的一种基于三元关联图和知识表示的影响力发现方法，其特征在于，构建消息-路径-用户三元关联图模型包括：

S21、按照用户的转发行为，将多消息传播网络分成多个单消息的扩散传播图，得到消息-路径二元关联图；

S22、根据每条传播路径的节点信息和话题下的总用户信息构建路径-用户二元关联图模型；

S23、在消息-路径二元关联图模型、路径-用户二元关联图模型基础之上，构建消息-路径-用户三元关联图模型。

4.根据权利要求1所述的一种基于三元关联图和知识表示的影响力发现方法，其特征在于，热点话题传播过程中消息的重要程度表示为：

其中，β_i表示消息i下参与的总人数，I为话题传播网络中的消息总数，为所有消息下传播用户的总数。

5.根据权利要求1所述的一种基于三元关联图和知识表示的影响力发现方法，其特征在于，传播路径的重要程度表示为：

其中，Ret_num_j表示路径j被转发的总数量，J为话题传播网络中的路径总数，表示话题传播过程中的所有传播路径的路径转发总数目。