[发明专利]基于演化博弈论的社交网络信息传播预测方法

说明书

技术领域

本发明涉及的技术领域为社交网络信息传播的建模，描述信息之间的相互影响，揭示信息博弈和信息传播的关系，并对信息的传播能力进行有效预测。

背景技术

社交网络为人们提供了十分广泛的信息来源，为新信息和不同观点的传播提供了平台，在信息传播的过程中起到了关键的作用。信息在社交网络上迅速产生和演化，社交网络的信息传播已成为一个广阔的研究领域，吸引了许多学科研究者的兴趣，如计算机科学家、社会学家等。对社交网络信息传播的相关研究能够帮助解决许多实际问题，如预测热点新闻，优化社交网络的商业行为等。

近年来科研工作者提出了一系列的技术和模型，从不同的角度对社交网络信息传播模式进行表示、分析和预测，揭示信息传播的潜在机制。当前已有的大多数模型假设信息的传播是独立的，每条信息的传播互不影响，如线性阈值(LT)模型、独立级联(IC)模型、SIS模型、SIR模型等。

在社交网络中传播的信息是大量的，有大量的信息在同一时间进行传播，信息在传播过程中产生相互影响。于是一些描述多信息传播模式的技术和模型被提出，这些模型假设信息之间的关系是相互排斥，网络中的用户顶点只能传播多条信息中的一条，从而并未将信息之间相互合作和竞争的关系考虑在其中。

发明内容

有鉴于此，本发明提供了一种基于演化博弈论的社交网络信息传播预测方法，通过演化博弈来表示社交网络上信息之间的相互作用，并建立信息博弈传播模型揭示信息博弈和信息传播的关系，从而在信息相互作用且用户顶点传播多条信息的情况下，获得对信息在社交网络传播的预测。

本发明提供的基于演化博弈论的社交网络信息传播预测方法，包括：

步骤1：获取t时刻传播于社交网络的信息集{u₁,u₂,...,u_n}；

步骤2：获取t时刻之前信息集{u₁,u₂,...,u_n}中每条信息传播覆盖的社交网络的顶点集；

步骤3：基于每条信息传播覆盖的社交网络的顶点集及设定的类别数量T，对信息集合进行聚类；

步骤4：统计t时刻信息集{u₁,u₂,...,u_n}中每条信息的博弈场景；

步骤5：基于每条信息的博弈场景及所属类别，根据信息博弈传播模型计算每条信息的传播能力。

所述方法还包括：以时间T为间隔，重复计算每条信息的传播能力，直至信息u_i的传播能力的增量低于限定值时，停止计算信息u_i的传播能力，并以最后一次计算得到的信息u_i的传播能力作为预测结果，其中，i≤u_i≤n。

在特定时间段内，社交网络上的用户v看到一则信息u_i，同时看到其它信息的集合{u₁′,u₂′,...,u_k′}，即暴露集合，信息u_i与其它信息的集合{u₁′,u₂′,...,u_k′}的博弈即信息u_i的博弈场景。

所述信息博弈传播模型为：

其中，M是信息u₁′,u₂′,...,u_k′及u_i所属信息类别的数量；A(A∈M×M)为描述信息u₁′、u₂′、...、u_k′、u_i之间博弈关系的收益矩阵，A_i,1…A_i,M为A的元素；P(C_j)是类别C_j的信息数占暴露集合信息数的比例，表示属于类别C_i的信息在属于类别C_j的信息的影响下的传播概率，即属于类别C_i的信息与属于类别C_j的信息产生博弈的收益值A_i,j；为属于类别C_j的信息的传播能力。

通过学习的方法拟合描述信息相互作用关系的收益矩阵A。

采用K均值法对信息集合进行聚类。