[发明专利]一种信息传播的监测方法、装置及计算机可读存储介质

说明书

本发明属于社交网络分析传播领域，涉及社交网络中信息的传播过程，具体涉及一种信息传播的监测方法、装置及计算机可读存储介质；所述方法包括从社交平台中获取用户参与信息传播过程的数据，并将数据按照传播的时间周期进行预处理；从预处理的数据中获取信息传播过程中的时间间隔矩阵和相对位置矩阵，采用自注意机制获得用户在信息传播过程中的时序结构信息和位置结构信息；将时序结构信息和位置结构信息进行融合，并将融合后的信息输入到信息传播监测模型中，动态监测出下一时间用户参与信息传播的轨迹；本发明能够更好的提取信息传播的特征信息，从而对信息传播过程进行监测。

技术领域

本发明属于社交网络分析传播领域，涉及社交网络中信息的传播过程，具体涉及一种信息传播的监测方法、装置及计算机可读存储介质。

背景技术

随着网络的普及，在线社交网络已经成为用户传播、交流、共享和收集信息的主要平台，在线社交网络的快速发展产生了海量的数据，这不仅可以通过信息传播的监测来进行商业营销，从而创造出商业价值；同时海量的数据也为研究者提供了探索信息传播的规律和其结构特性的可能。在线社交网络在传播新闻、思想、观点等方面发挥着突出的作用。例如，权威机构利用官方微信、微博、网络新媒体等平台及时发布官方信息，有效的阻止了虚假、有害信息的传播。同时，社交平台也为谣言、虚假新闻、有害信息的广泛传播提供了途径。

因此，通过对社交网络中的用户行为数据的分析建模，不仅可以挖掘社交网络中信息传播的特点和演化规律，还可以监测出社交网络中信息传播的演化趋势，从而对信息传播过程进行有效干预和实时控制。

现阶段，对社交网络信息传播过程的研究主要体现在用户影响力、信息传播、用户转发等方向；许多研究利用深度学习进行信息传播监测建模，这些研究利用基于循环神经网络的模型在此问题上取得了一定的效果。然而，大多数模型对于传播时间的利用，仅限于对用户按照时间戳排序，获得传播的先后顺序特征，以此来监测参与传播的下一个用户。忽略了用户之间的传播时间间隔对整个信息传播过程的影响，而且循环神经网络模型在长序列信息传播建模上表现较差。

发明内容

为了解决这些问题，本发明提出一种融合传播时间间隔信息和用户的相对位置信息的自注意力模型，旨在捕获信息传播过程中在不同方面的潜在影响因素。具体来说，利用融合的自注意力模块获取用户之间的依赖性和传播过程的轨迹特征。

在本发明的第一方面，本发明提供了一种信息传播的监测方法，所述方法包括：

从社交平台中获取用户参与信息传播过程的数据，并将所述数据按照传播的时间周期进行预处理；所述数据包括用户信息数据、传播信息项数据以及用户与传播信息项互动信息数据；

从预处理的数据中获取信息传播过程中的时间间隔矩阵，采用自注意机制获得用户在信息传播过程中的时序结构信息；

从预处理的数据中获取信息传播过程中的相对位置矩阵，采用自注意机制获得用户在信息传播过程中的位置结构信息；

将所述时序结构信息和所述位置结构信息进行融合，并将融合后的信息输入到信息传播监测模型中，动态监测出下一时间用户参与信息传播的轨迹。

在本发明的第二方面，本发明还提供了一种信息传播的监测装置，所述装置包括：

数据采集模块，用于从社交平台中获取用户参与信息传播过程的数据；

数据处理模块，用于将所述数据按照传播的时间周期进行预处理；

时序数据模块，用于从预处理的数据中获取信息传播过程中的时间间隔矩阵，采用自注意机制获得用户在信息传播过程中的时序结构信息；

位置数据模块，用于从预处理的数据中获取信息传播过程中的相对位置矩阵，采用自注意机制获得用户在信息传播过程中的位置结构信息；

信息融合模块，用于将所述时序结构信息和所述位置结构信息进行融合；