[发明专利]一种基于简谐振动理论的在线社交网络用户行为预测方法

说明书

本发明公开了一种基于简谐振动理论的在线社交网络用户行为预测方法，包括以下步骤：将在线社交网络空间内的每一个用户数据拆分为用户历史发布的信息和用户所在网络拓扑结构；分别计算每一个用户的用户历史发布的信息影响力和用户所在网络拓扑结构的网络拓扑影响力；根据每一个用户的用户历史发布的信息影响力和用户所在网络拓扑结构的网络拓扑影响力获得每一个用户的综合影响力；设置一个阈值来预测每一个用户在受到其对应的用户综合影响力作用下是否会转发信息的决策行为。本发明可以用于网络舆情的监控，能够在谣言爆发初期预测谣言的大致走向，较为精准的定位某个用户未来的网络行为。

技术领域

本发明涉及网络空间安全领域，特别是一种基于简谐振动理论的在线社交网络用户行为预测方法。

背景技术

在线社交网络空间内的信息传播行为的研究是用来解释信息是如何在网络用户间传递的，由于现实生活中每个用户都是独立的个体，使得整个网民群体行为异常复杂，从而给该领域的研究工作带来了极大的困难。在在线社交网络空间安全领域中有一类能够对社会带来极大不稳定因素的信息传播行为，就是谣言信息的传播，如果能够及时的把握谣言信息的传播规律，精准的预测出某个网民在未来的行为，通过提前采取谣言遏制手段就能够防止谣言的大规模扩散。但是纵观时下已有的技术方案，大多只具备谣言发生后对其最终影响规模的预估，只能够被动地处理谣言发生后带来的不良影响的善后工作，无法做到防患未然。

在线社交网络中信息传播行为的研究由来已久，但是很少有研究强调信息内容本身的作用，只通过网民间的关注关系来研究信息传播的规律。然而，当前诸多该领域的技术只具备在宏观趋势上的近似预测，无法做到对某个用户未来行为的微观刻画，而且大多数已有技术是基于经典的传染病模型设计的，然而在线社交网络上信息的传播和疾病的传染并非完全等同的。

发明内容

本发明的目的是要解决现有技术中存在的不足，提供一种基于简谐振动理论的在线社交网络用户行为预测方法。

为达到上述目的，本发明是按照以下技术方案实施的：

一种基于简谐振动理论的在线社交网络用户行为预测方法，包括以下步骤：

S1、将在线社交网络空间内的每一个用户数据拆分为用户历史发布的信息和用户所在网络拓扑结构；

S2、分别计算每一个用户的用户历史发布的信息影响力和用户所在网络拓扑结构的网络拓扑影响力；

S3、根据每一个用户的用户历史发布的信息影响力和用户所在网络拓扑结构的网络拓扑影响力获得每一个用户的综合影响力；

S4、设置一个阈值来预测每一个用户在受到其对应的用户综合影响力作用下是否会转发信息的决策行为。

进一步地，所述步骤S2中计算每一个用户的用户历史发布的信息影响力的具体步骤为：

S21、将社交网站上某一固定社区中全部用户历史发布的信息内容记录下来，通过对用户历史发布的每条信息进行过滤、分词，去掉停留词后生成训练集，然后输入到Word2vector的神经网络中训练后得到词向量模型，通过词向量模型输出若干个用户历史发布的每条信息的词向量，通过将若干个词向量在空间上对应位置元素相加后得到用户历史发布的每条信息的信息向量：

式中：voc_vec1，voc_vec2…voc_vecn表示n个300维度的词向量；

S22、通过每个用户历史发布的每条信息的信息向量获得用户在当前时间点的兴趣向量：

式中：m表示每个用户历史发布的信息数量；