[发明专利]社交网络用户忠诚度分析方法、分析系统、计算机介质

权利要求书

1.一种社交网络用户忠诚度分析方法，其特征在于，该方法包括以下步骤：

S1、提取社交网络中的成员行为数据以及成员之间的关系数据，关系数据包括：友好关系、普通关系与敌对关系；

S2、根据成员行为数据以及成员之间的关系数据，建立以成员为节点的动态带权有向多边图以表示动态发展的社交网络拓扑图；

S3、计算社交网络的每个节点处成员的社交网络忠诚度评价参数，并对评价参数进行加权计算获取评价指标，评价指标包括：用户的人际关系、用户影响力与用户活跃程度；

S4、根据成员之间的关系构建的社交网络拓扑图，基于图传播理论计算成员忠诚度，具体为：根据节点之间带权边的方向与权重，每个节点从邻居节点获取不同程度的忠诚度，并向邻居节点传播不同程度的忠诚度，最终计算得出每个成员的忠诚度。

2.根据权利要求1所述的社交网络用户忠诚度分析方法，其特征在于，所述S2根据成员行为数据以及成员之间的关系数据，建立以成员为节点的动态带权有向多边图以表示动态发展的社交网络拓扑图,其具体包括：

以成员为节点，对该成员进行编号，作为该网络社交图的节点ID，其中，节点的时间属性代表用户做出相应行为的时间；

根据相邻成员之间的关系数据，建立相邻成员节点之间的有向边的边向与权重，其中，节点之间的有向边的时间属性代表双方维系相应关系的时间。

3.根据权利要求2所述的社交网络用户忠诚度分析方法，其特征在于，还包括：

提取各成员进行有利于社交网络发展的行为的时间，有利于社交网络发展的行为包括但不限于成员在社交网络发布创作内容、与其他成员进行互动、或为社交网络中的内容/产品进行消费；

判断成员之前的关注方向，相邻成员节点之间的有向边方向从关注人员到被关注成员；

判断成员之间的关系数据，当成员间为友好关系或普通关系时，相邻成员节点之间的有向边权重为正；当成员间为敌对关系时，相邻成员节点之间的有向边权重为负。

4.根据权利要求3所述的社交网络用户忠诚度分析方法，其特征在于，所述S3计算社交网络的每个节点处成员的社交网络忠诚度评价参数，并对评价参数进行加权计算获取评价指标，评价指标包括：用户的人际关系、用户影响力与用户活跃程度，其具体为：

用户人际关系判断包括：用户主动关注他人的积极性、用户受关注程度、以及用户所处圈子的亲密度；

用户影响力判断包括：用户影响他人行为和思想发生变化的能力判断；

用户活跃程度判断包括：用户采取行动的行为频率衡量用户活跃度判断。

5.根据权利要求4所述的社交网络用户忠诚度分析方法，其特征在于，所述用户主动关注他人的积极性、用户受关注程度、以及用户所处圈子的亲密度，具体为，对每一个用户节点n，利用公式(1)计算：

其中，b为社交网络的聚类系数,d指节点的度，E(d)为社交网络构成的图的平均度，偏置项b/E(d)避免当节点所处的局部子图聚类系数为0时，人际关系指标为零。α和β分别为出度与入度的权重系数。b、α、β根据实际应用场景赋予不同值；为节点n在社交网络中的出度、为节点n在社交网络中的入度；cluster_n为以节点n为中心的2层自我中心网络聚类系数。

6.据权利要求4所述的社交网络用户忠诚度分析方法，其特征在于，所述用户影响他人行为和思想发生变化的能力判断，具体为：利用公式(2)

f₂＝pr_n

其中，采用Pagerank算法衡量有向带权图中节点的影响力：将社交网络有向图的边进行反向处理，计算节点的pr值，即社交网络中该节点将信息传递给其他节点的能力。