[发明专利]针对在线社交网络数据提取后的稳定性判别方法

说明书

本发明提出了一种针对在线社交网络数据提取后的稳定性判别方法，包括如下步骤：S1，E₀＝(1,0,0)^T，初始状态，无信息传播时的平衡点；S2，终止状态，信息已经传遍整个网络后的平衡点；S3，在前提下，信息在竞争传播过程中，系统达到暂时稳定状态的平衡点

技术领域

本发明涉及大数据分析领域，尤其涉及一种。针对在线社交网络数据提取后的稳定性判别方法。

背景技术

随着移动互联网的发展、5G时代的来临，在线社交网络越来越流行，人们的日常工作和生活已经离不开这些社交网络，随之产生的大量信息也充斥着网络，无论是谣言还是商品广告信息等都会在网络上蔓延，因而了解信息背后的传播机理能够帮助人们更好地管理和控制网络上信息的传播。

在线社交网络上的信息传播在诸多因素的影响下进行演化，既包括传播速度和扩散范围的演化也包括信息自身内容的演化。影响因素有很多，但归结起来不外乎信息自身特征、传播信息的网络用户的特征与行为、承载信息传播的社交网络的拓扑结构，以及信息传播的宏观环境。此外，社交媒体上信息传播有时还受到社会媒体服务所提供的信息推送功能的影响，比如Facebook的News Feed、新浪微博的即时推、腾讯视频的消息推荐等。这几个方面是在线社交网络中信息传播的关键因素，它们共同决定了信息传播与演化的行为与模式。

基于传染病的多信息建模方法是从用户的角度出发，认为用户以一定概率传播事件信息，传染病模型是信息传播领域公认比较成熟的模型，传统模型有SI、SIR、SIS，其中SIR模型是将人群分为易感者S状态、感染者I状态和治愈者R状态，信息从感染者传到易感者，易感者收到信息并成功转发后，自身转变为治愈者，完成个体状态的转换，直至系统达到一种稳定态。SIS和SIR模型产生了很多变体，如SIRS、SIDR和SAIR。但是这些模型均无法反映S状态节点转化为I状态节点之前有一个潜伏期的事实，为此将潜伏状态引入SIR模型，产生了SEIR模型。在此基础上，为了刻画信息传播中广泛存在的点到群的传播模式，提出了e-SEIR模型。随着研究工作的不断深入，传染病模型在许多实际应用领域得到了进一步的发展，例如，研究新产品在社交网络中扩散的Bass-SIR模型，恢复时间是幂律分布的SIR生命动力学模型，基于情感交流的HIT-SCIR模型和具有两个时滞和垂直转移的SEIRS模型。

当模型建立之后数据提取的准确率无法保证，对于相应模型的稳定性无法预知其工作效率，这就亟需本领域技术人员解决相应的技术问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种针对在线社交网络数据提取后的稳定性判别方法。

为了实现本发明的上述目的，本发明提供了一种针对在线社交网络数据提取后的稳定性判别方法，包括如下步骤：

当在线社交网络数据通过概率模型进行收集整理后，通过设置平衡点公式E＝(S,I_A,I_B)^T，求解得到方程组的三个解E₀,E_n,E_t，这三个解都是CISIR传播模型的平衡点，E₀,E_n,E_t的具体表示分别为：

S1，E₀＝(1,0,0)^T，初始状态，无在线社交网络数据信息传播时的平衡点；

S2，终止状态，在线社交网络数据信息已经传遍整个网络后的平衡点；

S3，在前提下，在线社交网络数据信息在竞争传播过程中，达到暂时稳定状态的平衡点其中c为常数，

为了描述的方便，对

中的部分表达式进行变量替换，令