[发明专利]社交媒体网络事件传播关键时间预测方法、系统、介质

说明书

本发明属于在线信息传播预测技术领域，公开了一种社交媒体网络事件传播关键时间预测方法、系统、介质，根据社交媒体网络事件在线信息的不同时间序列特征，进行类别划分；采用霍尔特线性趋势法对波动性过强的流行度时间序列进行平滑处理；识别预处理后的社交媒体网络事件传播的关键节点发生的时间区间；针对经过预处理后的时间序列数据进行时间窗口划分，基于在线信息数据提取时序、波动及文本情感特征；构建预测模型训练样本，根据训练样本和未来时间窗口数量，采用XGBoost算法训练预测模型；采用训练完成的模型预测社交媒体网络事件传播过程的关键节点发生的时间。本发明能有效预测社交媒体网络事件传播过程的关键节点发生时间。

技术领域

本发明属于在线信息传播预测技术领域，尤其涉及一种社交媒体网络事件传播关键时间预测方法、系统、介质。

背景技术

目前：随着移动互联网的发展，社交媒体的影响力和传播速度大大超越了传统主流媒体，诸如Twitter、微博、微信等典型社交媒体已成为公众交流讨论的重要平台。社交媒体赋予了用户创作内容的自主性，日益庞大的用户群体和愈加丰富的传播形式使得用户发布的内容越来越多，这带来了信息量的爆炸式增长。最受欢迎的社交媒体的用户数量已达到亿级，每天产生的数据量达到TB(terabytes)甚至PB(petabytes)级别。

社交媒体网络事件是公共事件的一种延伸，它通常由某一主题或目的引发，是社交媒体用户群体表达自我意识、引导社会舆论导向、促进社会变革的表现形式。它可以由网民自我驱动形成，也可能由目的性较强的个体组织发起。它可能推动社会各方的思考与进步，推进社会体制的改革，也有可能被别有用心的恶意分子利用，演变为暴力违法事件。

有机生物体生命演化中的关键事件包括生长，成熟和衰老，而社交媒体网络事件传播演化过程中一样包含“爆发”，“顶峰”和“衰退”等代表性关键节点。如果可以预测这些节点发生的时间，就能够全面了解信息传播过程中流行度的演变，并确定信息的整体流行度变化趋势。

近些年来，如何发掘影响社交媒体内容流行程度的特征因素，如何根据内容流行度的早期变化趋势来预测其未来的流行度，这些问题引发了研究者的关注。当前针对社交媒体网络事件传播预测问题采用的方法主要分为三类。

第一类方法主要采用复杂模型来拟合在线内容的传播规律，进而对未来内容的流行度进行预测。例如文献Crane R.，Sornette D.Robust dynamic classes revealed bymeasuring the response function of a social system.Proceedings of theNational Academy of Sciences，2008，105(41):15649-15653使用自激Hawkes条件泊松过程来模拟YouTube视频的流行度演化，并表明YouTube视频的流行度遵循了指数级上升和指数级下降的演变模式。文献Matsubara Y，Sakurai Y，Prakash B A，et al.Rise and fallpatterns of information diffusion:model and implications.Proceedings of the18th ACM SIGKDD international conference on Knowledge discovery and datamining.2012:6-14.使用了一种轻量级的SpikeM分析模型来拟合实际数据，此模型能够简洁准确地描述实际社交网络数据中存在的脉冲模式。这类方法的不足在于模型复杂度较高且泛化性较差，方法偏向于研究在线信息的传播规律，预测精度较低。