[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

说明书

本发明公开了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，属于数据收集技术领域，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；解决了社交网络结构已知，边上的影响力未知的商品扩散最大化问题，适应了网络发生变化的情况。

技术领域

本发明涉及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，属于数据收集技术领域。

背景技术

社交网络一直是信息传播的热门平台，然而现有的研究大多是在静态的基础上研究这个问题，即假设社会网络拓扑结构和用户间的影响概率都是已知且固定的常数，而在现实世界的社交网络中，精确的网络拓扑结构和影响力概率对第三方广告商通常未知的，并且很可能是时变的，社交网络中的影响力概率可能是新建立、加强或削弱的情况；例如，当人们结交新朋友时，就会建立新的社会联系，当他们变得更熟悉时，这种联系就会随着时间的推移而加强；同学间在学业期间就会联系起来，毕业结束后这种联系可能会减弱；一对用户可能会断绝好友关系，不再在社交网络中连接。

在社交网络发生变化时，整个网络上的影响力可能发生变化，因此，将社交网络拓扑结构上的影响力描述为非平稳环境的场景更为现实，普通的商品扩散解决方法不能很好的解决这种社交网络上影响力是动态变化的场景，不能快速探索到变化后网络中未知的影响力。

发明内容

本发明的目的在于提供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，解决了社交网络结构已知，边上的影响力未知的商品扩散最大化问题，适应了网络发生变化的情况，加快了参数学习的过程，更准确的学习到用户的参数，使其能够通过在线学习的方式探索到节点的参数。

为实现以上目的，本发明是采用下述技术方案实现的：

第一方面，本发明提供了一种动态社交网络中商品传播最大化方法，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。

结合第一方面，进一步的，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。

结合第一方面，进一步的，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。