[发明专利]一种基于社交网络的信息传播规律挖掘方法

说明书

本发明公开一种基于社交网络的信息传播规律挖掘方法，结合社交网络的信息的特征和网络的拓扑结构的特征，分析信息传播事件的原因，挖掘信息传播的规律。首先对社交用户的发帖信息进行预处理；遍历所有的用户中的每个信息，提取信息特征，形成不同用户的发帖信息特征集合；根据用户的转帖关系，构建社交关系网络，其中节点为社交用户，节点权重为关系的程度，边为社交用户的关注关系；使用有效的信息扩散规则算法进行检测不同用户有社交行为的原因，得到信息传播的规则Q*。本发明提出了有效的信息扩散规则(ERID)算法，以优化解释最大级联的因果关系规则，并使用这些规则来验证其在社交用户行为的动态变化模型上的有效性。

技术领域

本发明属于复杂网络的社交网络信息传播领域，具体讲，它结合社交网络的信息的特征和网络的拓扑结构的特征，分析信息传播事件的原因，挖掘信息传播的规律。

背景技术

社交网络中的信息传播被不同领域科研人员的广泛关注与研究(例如，规则的逻辑，模型的物理)。社会网络中的信息扩散已经引起了不同领域研究者的广泛关注(如规则的逻辑性、模型的物理性)。现有的方法是从网络结构等特征来估计agent的影响分布，从而预测信息扩散的级联效应，但对信息扩散因果关系进行分析的工作还很少。本发明旨在优化级联上最多k个的因果关系规则。信息的特征和网络的拓扑结构特征是影响信息扩散的两个主要因素。信息的特征往往具有强烈的个性特征。网络的拓扑结构的特征取决于个人之间通信连接的数量和质量。本发明提出了有效的信息扩散规则(ERID)算法来优化解释最大级联的因果规则，并用这些规则对agent行为的动态变化模型进行了验证。

社会网络中的观点、影响和信息传播与疾病的传播非常相似，这两个问题通常通过类比研究。现在有许多经典的疾病传播模型，例如SIS模型，可以很好地预测疾病的传播。疾病扩散模型只是信息扩散模型之一，也有影响力传播模型。常见的影响力传播模型包括独立的级联模型和线性阈值模型。我们通常使用深度学习框架来分析社交网络信息传播的特征，从而可以很好地预测信息传播，分析不同主体在信息传播中的作用，并检测社交网络中的社区结构，但不能很好地解释信息传播的规律。

社交网络分析的挑战之一是分析信息传播的原因。社交网络信息传播的原因是复杂多样的，包括信息主题，情绪偏见，主体的受欢迎程度，社交网络的结构，信息传播的速度，为了简化研究难度，将在研究中设定许多假设。许多阈值模型都假设agnet的行为仅受周围环境的影响，并分析了社交用户的从众行为。在信息传播网络引入了外部环境影响因素的节点，并分析了信息传播的路径。因为不同的主体对某些社会行为有不同的原因，所以有必要分析信息传播的原因。经过更详细的分析，我们可以针对不同用户的偏好，选择性地推荐用户偏好的信息。因此，本发明的重点是全面分析外部和内部因素对社交用户社会行为的影响，并找出影响社交用户行为变化的因素与社交用户行为动态变化模型之间的逻辑关系。

本发明的灵感来只知道社交用户被感染的时间，自识别真实信息传播网络的优化方法。我们想找出社交用户社交行为的潜在原因。我们假设社交用户的关系网络不会改变。根据社交用户的历史社会行为记录，我们可以找到每个社交用户最多K个最大影响因素以及这些因素之间的逻辑关系。

发明内容

为克服现有技术的不足，本发明提供的技术方案是一种基于社交网络的信息传播规律挖掘方法，结合社交网络的信息的特征和网络的拓扑结构的特征，分析信息传播事件的原因，挖掘信息传播的规律，包括如下步骤：

1)首先对社交用户的发帖信息进行预处理；

2)遍历所有的用户中的每个信息，提取信息特征，形成不同用户的发帖信息特征集合；

3)根据用户的转帖关系，构建社交关系网络，其中节点为社交用户，节点权重为关系的程度，边为社交用户的关注关系；

4)由步骤3)得到的关系网络，使用有效的信息扩散规则(ERID)算法进行检测不同用户有社交行为的原因，得到信息传播的规则Q*。