[发明专利]消息传播预测方法及装置

说明书

技术领域

本发明涉及计算机领域，尤其涉及一种消息传播预测方法及装置。

背景技术

近几年，社交网络成为人们交流沟通以及消息传播的全新工具，对于正面的信息，社交网络的参与扩大了消息的传播受众面，并提高了消息传播的速度，具有积极作用；对于负面信息，社交网络中信息发布的便捷性使得负面消息迅速传播污染了社交网络环境。

因此，如何预测消息在网络中的传输情况是当前需要解决的问题。

发明内容

本发明实施例提供一种消息传播预测方法及装置，能够预测消息在网络中的传输情况。

本发明实施例采用如下技术方案：

一种消息传播预测方法，包括：

获取社交网络中消息的转发信息；

根据所述转发信息确定非线性预测模型；

确定所述非线性预测模型的系数；

根据所述非线性预测模型及所述非线性预测模型的系数对所述消息进行传播预测。

可选的，所述根据所述转发信息确定非线性预测模型包括：

根据所述转发信息得到广度变化时间序列、深度变化时间序列、受众增加时间序列；

确定所述消息传播过程中的关联维数；

根据所述关联维数确定消息转发过程中广度自变量、深度自变量及受众自变量；

将所述广度自变量与所述广度变化时间序列整合、将所述深度自变量与所述深度变化时间序列整合、将所述受众自变量与所述受众增加时间序列整合，得到所述非线性预测模型。

可选的，所述转发信息包括所述消息的转发时间，所述根据所述转发信息得到广度变化时间序列、深度变化时间序列、受众增加时间序列包括：

根据所述消息的转发时间得到消息的转发时间序列；

在所述转发时间序列每一个时间步增加消息转发数，得到所述广度变化时间序列；

在所述转发时间序列每一个时间步增加的消息转发数所在的最深层次，得到所述深度变化时间序列；

在所述转发时间序列每一个时间步增加的消息转发数对应的消息转发用户ID所具有的粉丝数之和，得到所述受众增加时间序列。

可选的，所述确定所述消息传播过程中的关联维数包括：

应用GP算法确定所述消息传播过程中的关联维数。

可选的，应用偏微分方程将所述广度自变量与所述广度变化时间序列整合，应用偏微分方程将所述深度自变量与所述深度变化时间序列整合，应用偏微分方程将所述受众自变量与所述受众增加时间序列整合；

所述偏微分方程为：