[发明专利]一种动态社交网络中商品传播最大化方法、系统、装置及存储介质

权利要求书

1.一种动态社交网络中商品传播最大化方法，其特征在于，包括：

通过影响因子和易感因子的估计值获取影响力历史探索值；

通过影响力的历史探索值和置信区间计算得到影响力估计值，从而得到影响力估计值集合，通过离线求解方法得到初始种子用户集合后投放至社交网络，获得激活用户集合和滑动窗口均值；

响应于监测到网络发生变化，发出遗忘指令，使影响因子和易感因子忘记历史训练结果以适应新的网络，继续传播；

响应于监测到网络未发生变化，更新滑动窗口均值、影响因子和易感因子，继续传播。

2.根据权利要求1所述的一种动态社交网络中商品传播最大化方法，其特征在于，还包括计算影响因子和易感因子的估计值的步骤，包括：采用迭代传播结果对影响因子和易感因子的值进行估计；

其中，是第v个节点的影响因子，是第w个节点的易感因子，A_v＝λ*I_n*n，b_v＝λ*0_n*1，λ是初始化参数，I_n*n是n维单位矩阵，0_n*1是n行一列单位向量；C_w＝λ*I_n*n，d_w＝λ*0_n*1。

3.根据权利要求1所述的一种动态社交网络中商品传播最大化方法，其特征在于，通过影响因子和易感因子的估计值获取影响力历史探索值，具体如下：

其中，是影响力历史探索值，是第v个节点的影响因子，是第w个节点的易感因子。

4.根据权利要求1所述的一种动态社交网络中商品传播最大化方法，其特征在于，计算影响力估计值的方法如下：

其中，是影响力估计值，是影响力历史探索值，CB_e是置信区间。

5.根据权利要求1所述的一种动态社交网络中商品传播最大化方法，其特征在于，所述离线求解方法包括：

在影响力估计值集合下社交网络中影响力扩展度最大的k个节点作为初始种子用户集合；

初始状态下，|S|＝1，在所有点中选一个在信息传播模型下跑出激活的点数量最多的点加入S；

再在剩下的点中选一个加入S后传播结果最好的点加入S，重复此步骤，直到|S|＝k。

6.根据权利要求1所述的一种动态社交网络中商品传播最大化方法，其特征在于，滑动窗口均值通过如下方法计算：

其中，r是传播结果，R_t是t回合下传播过程结束整个网楼中被激活的边总数目，是滑动窗口均值。

7.根据权利要求1所述的一种动态社交网络中商品传播最大化方法，其特征在于，还包括监测网络情况的步骤，包括：

若则网络发生了变化，否则网络未发生变化；

其中，R_t是t回合下传播过程结束整个网楼中被激活的边总数目，是滑动窗口均值，为滑动窗口阈值。

8.一种动态社交网络中商品传播最大化系统，其特征在于，包括：

影响力历史探索值模块：用于通过影响因子和易感因子的估计值获取影响力历史探索值；

激活用户集合模块：用于通过影响力的历史探索值和置信区间计算得到影响力估计值，从而得到影响力估计值集合，通过离线求解方法得到初始种子用户集合后投放至社交网络，获得激活用户集合和滑动窗口均值；

遗忘模块：用于响应于监测到网络发生变化，发出遗忘指令，使影响因子和易感因子忘记历史训练结果以适应新的网络；

更新模块：用于响应于监测到网络未发生变化，更新滑动窗口均值、影响因子和易感因子。

9.一种动态社交网络中商品传播最大化装置，其特征在于，包括处理器及存储介质；

所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行根据权利要求1至7任一项所述方法的步骤。

10.计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。