[发明专利]基于在线社交网络数据的竞争性信息宏观传播模型提取工作方法

摘要

本发明提出了一种基于在线社交网络数据的竞争性信息宏观传播模型提取工作方法，包括如下步骤：S1，获取在线社交网络信息数据，对于A信息数据处于在线社交网络上传播扩散时，匹配B竞争性的信息数据来抑制A信息数据的蔓延，遏制A信息的进一步传播扩散，对A信息数据和B信息数据进行竞争性信息数据分析；S2，建立竞争性信息宏观传播模型，选择B信息数据的时间点和空间节点以最大限度地抑制A信息数据传播，将A信息数据和B信息数据共同传播时的规律以及传播过程中的影响发送到远程终端；S3，将在线网络数据经过宏观传播模型筛选后的数据进行网络数据稳定性分析，从而提高网络信息数据发展趋势的准确度。

主权项

1.一种基于在线社交网络数据的竞争性信息宏观传播模型提取工作方法，其特征在于，包括如下步骤：/nS1，获取在线社交网络信息数据，对于A信息数据处于在线社交网络上传播扩散时，匹配B竞争性的信息数据来抑制A信息数据的蔓延，遏制A信息的进一步传播扩散，对A信息数据和B信息数据进行竞争性信息数据分析；/n所述S1包括：/nS1-1，网络上同时存在A信息数据和B信息数据两种不同类型的信息，随着时间的变化进行竞争性传播；/nS1-2，按信息传播过程中网络节点所处的状态，将网络节点划分为四类，分别为未传播任何信息节点的S状态、已经收到A信息并积极传播的节点的I_A状态、已经收到B信息并积极传播的节点的I_B状态、已失去信息传播兴趣对所有信息持抵制态度的遗弃状态节点的R状态；/nS1-3，在线社交网络数据的网络节点状态空间为C＝{S,I_A,I_B,R}，每一个网络节点的状态转换是一个相对随机的过程，下一时刻的状态与该节点的历史状态无关，只与当前状态有关，用分布函数来描述节点状态转换的马尔可夫性，用X表示网络节点状态转换的随机变量，随机过程{X(t),t∈T}的状态空间为C，T为离散的时间序列集合，在条件X(t_i)＝x_i,x_i∈C下，X(t_n)的条件分布函数恰等于在条件X(t_n-1)＝x_n-1下X(t_n)的条件分布函数，下标n＝1,2,3...i，即/nP{X(t_n)≤x_n|X(t₀)＝x₀,X(t₁)＝x₁,…,X(t_n-1)＝x_n-1}/n＝P{X(t_n)≤x_n|X(t_n-1)＝x_n-1}/n网络节点从状态u迁移到状态v的转移概率记为p_ij；/np_ij＝P{X(t_n)＝v|X(t_n-1)＝u}/nS1-4，获得转移概率矩阵P；/n /n将竞争性信息数据传播模型的节点状态规则代入，则转移概率矩阵P简化为：/n /n在竞争性信息数据传播过程，一个网络节点从S随机状态X(t_s)＝S出发，在t_i时刻转化为I_A状态X(t_i)＝I_A或I_B状态X(t_i)＝I_B，再经过若干个时间步的竞争，最后在t_n时刻转化为R状态X(t_n)＝R，从此退出竞争而网络节点状态不再改变，直至传播过程结束；/n在t∈(t_i,t_n)期间，由于A信息和B信息相互竞争，一个I_A网络状态节点可能转化为I_B网络状态节点，或者一个I_B网络状态节点可能转化为I_A网络状态节点；在这个随机过程中，转移概率矩阵P只与节点状态和时间t有关，节点状态的n步转移概率矩阵P(n)为P(n)＝Pⁿ，即竞争性信息传播过程中，n步转移概率矩阵P(n)是一步转移概率矩阵P的n次方；/nS2，建立竞争性信息宏观传播模型，选择B信息数据的时间点和空间节点以最大限度地抑制A信息数据传播，将A信息数据和B信息数据共同传播时的规律以及传播过程中的影响发送到远程终端；/n所述S2包括：/nS2-1，对于在线社交网络数据的传播初始状态是网络中所有节点均处于未传播任何信息状态，即S状态；在某时刻由外部事件信息所引发的A信息和B信息同时注入网络，随即在网络上分别沿各自的数据传播路径进行扩散传播，被A信息覆盖的节点处于I_A状态，被B信息覆盖的节点处于I_B状态，当两种类型的信息在I_A状态或I_B状态节点上相遇后，会在该节点上形成竞争和驱逐关系；随着时间的推移，节点慢慢对信息失去兴趣，进入信息传播疲惫期，开始产生抵触数据并逐渐形成遗忘数据或者不活跃数据，转化为R状态；最终，在线社交网络数据将处于稳定状态，在整个信息传播过程中，A信息和B信息之间相互博弈、对抗竞争和持续影响；/nS2-2，在属于竞争性信息异步传播模式下，在t₁时刻A信息出现在网络上并迅速扩散传播，被A信息覆盖的网络节点处于I_A状态；在某i时刻t_i，B信息也在网络上传播，被B信息覆盖的节点处于I_B状态，B信息会抑制A信息的进一步蔓延，后期会取代A信息，即能够使I_A状态转化为I_B状态，竞争过程中也存在I_B状态节点转化为I_A状态的情形；在线社交网络数据信息传播过程被划分为两个阶段，第一阶段是网络上只有A信息的单一信息传播阶段，在单一信息传播阶段，竞争性信息宏观传播模型退化为普通SIR模型；/nS2-3，第二阶段是网络同时存在A信息和B信息的信息竞争传播阶段，即在线社交网络数据信息竞争传播阶段，传播行为与竞争性信息同步传播模式相同，/n设定在线社交网络是封闭网络，信息在网络中产生，而且仅在该网络中传播，期间网络上节点总量为N是稳定的，每个时刻变化的是网络中各种状态类型节点所占的比例，t时刻网络中S,I_A,I_B,R状态节点的数量分别为S(t),I_A(t),I_B(t),R(t)，用表示一个节点在某一时刻的状态，对于整个网络则有/n /n其中，S(t)+I_A(t)+I_B(t)+R(t)＝N，N为常数，/n根据平均场理论，竞争性信息宏观传播模型在在线社交网络中传播演化过程表示的微分方程组所示：/n /nλ₁,λ₂分别表示A信息、B信息的传播概率；θ₁,θ₂分别表示A信息、B信息被对方信息取代的置换率；δ₁和δ₂分别表示节点对A信息、B信息的遗弃率；/nS3，将在线网络数据经过宏观传播模型筛选后的数据进行网络数据稳定性分析，从而收集训练网络信息数据发展趋势的准确度；/n所述S3包括：/nS3-1，对于竞争性信息宏观传播模型微分方程组，每个方程两端分别相加，得/n /n从而使模型满足/nS(t)+I_A(t)+I_B(t)+R(t)＝N，其中N为常数，/n根据不含R状态下的计算方法，得到如下公式：/n /n假设在t时刻网络达到平衡点，那么网络将处于平衡态，因此有/n /nS3-2，用P(k)表示在线社交网络的度分布函数，该分布函数表示选定一个在线社交网络数据信息节点，其度值恰好为k的概率，也就是该节点恰有k条边连接的概率，即公式：/n /n设平衡点E＝(S,I_A,I_B)^T，求解上式得到方程组的三个解E₀,E_n,E_t，这三个解都是竞争性信息宏观传播模型的平衡点，E₀,E_n,E_t的具体表示分别为：/nS-A，E₀＝(1,0,0)^T，初始状态，无信息传播时的平衡点；/nS-B，终止状态，信息已经传遍整个网络后的平衡点；/nS-C，在前提下，表示信息在竞争传播过程中，系统达到暂时稳定状态的平衡点；/n为了描述的方便，对/n /n中的部分表达式进行变量替换，令/n /n其中，μ₁为A信息传播率与在线社交网络的度分布函数的乘积，μ₂为B信息传播率与在线社交网络的度分布函数的乘积，v₁为A信息被对方信息取代的置换率与在线社交网络的度分布函数的乘积，v₂为B信息被对方信息取代的置换率与在线社交网络的度分布函数的乘积，/n然后再对/n /n的每个变量求偏导数，得到方程组的对应矩阵：/n /n